Tom 9, Nr 3 (2023)
Praca badawcza (oryginalna)
Opublikowany online: 2024-01-10
Wyświetlenia strony 260
Wyświetlenia/pobrania artykułu 12

Eksport do Mediów Społecznościowych

Eksport do Mediów Społecznościowych

System wspomagania decyzji klinicznych dla pacjentów chorych na cukrzycę poprzez prognozowanie cukrzycy typu 2 przy użyciu algorytmów uczenia maszynowego

Rakibul Islam1, Azrin Sultana1, Md. Nuruzzaman Tuhin1, Md. Sazzad Hossain Saikat1, Mohammad Rashedul Islam23
Diabetologia Praktyczna 2023;9(3):115-126.

Streszczenie

Cukrzyca jest jedną z najpoważniejszych chorób przewlekłych, której następstwo stanowi wysokie stężenie glukozy we krwi. Wczesna predykcja może znacząco zmniejszyć potencjalne ryzyko i ciężkość cukrzycy. W tym badaniu zastosowano różne algorytmy uczenia maszynowego (ML, machine learning) w celu przewidzenia cukrzycy u nieznanej populacji chorych. Głównym celem badań było zapewnienie systemu wspomagania decyzji klinicznych (CDSS, clinical decision support system) poprzez przewidywanie cukrzycy typu 2 przy użyciu różnych algorytmów ML. Do celów badawczych wykorzystano ogólnodostępny zbiór danych Pima Indian Diabetes (PID). Wśród metod zastosowano wstępne przetwarzanie danych, k-krotną walidację krzyżową, dostrajanie hiperparametrów i różne klasyfikatory ML, takie jak klasyfikator K-najbliższych sąsiadów (KNN, K-nearest neighbor), drzewo decyzyjne (DT, decision tree), losowy las decyzyjny (RF, random forest), naiwny klasyfikator bayesowski (NB, Naive Bayes), maszyna wektorów nośnych (SVM, support vector machine) i wzmacnianie gradientu w oparciu o histogram (HBGB, histogram-based gradient boosting). Użyto także kilku metod skalowania w celu poprawy dokładności wyniku. W dalszych badaniach zastosowano podejście oparte na regułach w celu zwiększenia efektywności systemu. To spowodowało, że dokładność DT i HBGB przekroczyła 90%. Na podstawie tego wyniku wdrożono CDSS, w którym pacjenci mogą za pośrednictwem internetowego interfejsu
użytkownika podać wymagane parametry wejściowe, aby uzyskać pomoc w podejmowaniu decyzji opartą na wynikach analitycznych i uwzględniającą przypadek konkretnego chorego. Wdrożony system CDSS będzie pomocny dla lekarzy i pacjentów przy podejmowaniu decyzji dotyczących rozpoznania cukrzycy oraz będzie oferować oparte na analizach w czasie rzeczywistym sugestie mające na celu poprawę jakości leczenia. Jeśli w przyszłych badaniach uda się zebrać codzienne dane dotyczące pacjenta chorego na cukrzycę, można będzie wdrożyć lepszy system wsparcia klinicznego, który będzie wspomagał codzienne podejmowanie decyzji przez pacjentów na całym świecie.

Dodaj do koszyka: 49,00 PLN

Posiadasz dostęp do tego artykułu?