文献

J-GLOBAL ID：202202286505175291   整理番号：22A0772350

疾患予測のための患者ネットワークベースの機械学習モデル:2型糖尿病の症例【JST・京大機械翻訳】

A patient network-based machine learning model for disease prediction: The case of type 2 diabetes mellitus

著者 (5件)： Lu Haohui (School of Project Management, The University of Sydney, Sydney, Australia) ,  Uddin Shahadat (School of Project Management, The University of Sydney, Sydney, Australia) ,  Hajati Farshid (College of Engineering and Science, Victoria University Sydney, Sydney, Australia) ,  Moni Mohammad Ali (School of Public Health and Community Medicine, Faculty of Medicine, The University of New South wales, Sydney, Australia) ,  Khushi Matloob (School of Computer Science, The University of Sydney, Sydney, Australia)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 3  ページ： 2411-2422  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,2型糖尿病(T2DM)のような慢性疾患の罹患率が増加し,ヘルスケアシステムに重負荷をもたらす。患者の定期的モニタリングは,高価で,非現実的であるが,慢性疾患進行を理解し,共存症発症のリスクのある患者を同定することは,重要である。本研究では,T2DMの実世界管理請求データセットを用いて,疾患予測のための革新的患者ネットワークと機械学習アプローチのアンサンブルを開発した。1,028人のT2DM患者と1,028人の非T2DM患者の健康管理データを,T2DMのリスクを予測するために,脱同定データから抽出した。提案モデルは,グラフ理論を用いて同じ疾患と診断された患者のグループに対する健康条件間の基礎となる関係を表す,「患者ネットワークに基づいている。患者の社会人口統計学的および行動特性の他に,「患者ネットワーク(例えば,中心度尺度)の属性は,リスク予測に効果的である患者の潜在的特徴を発見する。慢性疾患リスクを予測するために,抽出された特徴に8つの機械学習モデル(対数回帰,K-Nearest近傍,サポートベクトルマシン,Naive Bayes,決定木,ランダムフォレスト,XGBoostおよび人工ニューラルネットワーク)を適用した。広範囲な実験は,曲線下面積(AUC)を有する機械学習分類器性能を有する提案フレームワークが0.79~0.91の範囲であることを示した。ランダム森林モデルは他のモデルより優れていた。一方,ネットワークと患者年齢の固有ベクトル中心性と近接性中心性は,モデルにとって最も重要な特徴である。著者らのモデルの優れた性能は,健康管理サービスにおける有望な応用を提供する。また,抽出した潜在的特徴が疾患リスク予測に必須であるという強い証拠を示した。提案した手法は,医療サービスプロバイダとその利害関係者に利益を与えることができる慢性疾患リスク予測に不可欠な洞察を提供する。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： グラフ理論 ,  *ネットワーク ,  ニューラルネットワーク ,  罹患率 ,  ディシジョンツリー ,  健康管理 ,  *患者 ,  対数 ,  固有ベクトル ,  *2型糖尿病 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 慢性疾患 ,  人口統計学 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 疾患予測 ,  2型糖尿病 ,  管理データ ,  ネットワーク解析 ,  機械学習

分類 (1件)： 代謝異常・栄養性疾患一般  (GD05010J)

タイトルに関連する用語 (7件)： 疾患 ,  予測 ,  患者 ,  機械学習 ,  モデル ,  2型糖尿病 ,  症例