机器学习识别家族性高胆固醇血症的风险
(HealthDay) -根据4月11日在线发表的一项研究，机器学习分类器可以有效地识别有家族性高胆固醇血症(FH)风险的患者数字医学．
来自加州斯坦福大学的Juan M. Banda博士及其同事利用电子健康记录(EHR)数据开发了一种可以识别潜在FH患者的分类器。随机森林分类器使用来自197名已知患者和6590名匹配的非病例的数据进行训练。
在一个测试集上，研究人员发现分类器有一个阳性预测值(PPV)为0.88，敏感性为0.75。分类器的预测准确性是基于100例FH风险患者的图表回顾进行评估的，这些患者不包括在原始数据集中。分类器在最高概率阈值正确识别了84%的患者;随着阈值的降低，性能下降。在466例FH患者(236例基因证实FH)和5000例匹配的非病例中，外部验证的PPV为0.85。
“广泛应用，使用我们的分类器进行电子病历筛查可以识别出成千上万未确诊的患者病人并导致更多有效的治疗以及筛查他们的家庭，”作者写道。
几位作者披露了与制药和医疗器械行业的财务联系。
进一步探索
更多信息:
抽象/全文
版权所有©2019每日健康．版权所有。
引用:机器学习识别家族性高胆固醇血症的风险(2019,4月18日)检索于2022年6月1日//www.pyrotek-europe.com/news/2019-04-machine-ids-familial-hypercholesterolemia.html
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
