基于患者行为和习惯分类疾病的机器学习模型比较研究
机器学习
2024-12-24 v1 人工智能
摘要
近年来，机器学习算法被证明对基于健康数据预测疾病具有潜在应用价值。大多数应用采用监督式而非无监督式机器学习算法。此外，每年医学数据量都会快速增长。这些数据包括临床数据和患者相关因素（PRF），如身高、体重、年龄、其他生理特征、血糖、脂质、胰岛素等，这些因素会随时间不断变化。分析历史数据可帮助识别疾病风险因素及其相互作用，这对疾病诊断和预测具有重要作用。这大量宝贵信息对于帮助医生准确诊断以及让人们更了解风险因素和关键指标，从而主动采取行动具有重要意义。本研究旨在通过进行全面实验来探讨 PRF 与糖尿病、中风、心脏病（HD）和肾病（KD）之间的相关性。此外，还将研究 PRF 与糖尿病、中风和 KD 之间的关系，以及 HD 与其他疾病（如糖尿病、中风、哮喘、皮肤癌和 KD）之间的关系。研究还旨在比较和评估各种机器学习算法用于基于 PRF 分类疾病的方法。此外，还将比较和评估用于基于 PRF 分类 HD 的机器学习算法，以及用于将糖尿病、中风、哮喘、皮肤癌和 KD 作为属性进行分类的算法。最后，将通过最准确的分类器提供 HD 预测，并开发一个基于 Web 的应用程序，允许用户输入数值并预测输出。
引用
@article{arxiv.2412.16768,
title = {A Comparative Study on Machine Learning Models to Classify Diseases Based on Patient Behaviour and Habits},
author = {Elham Musaaed and Nabil Hewahi and Abdulla Alasaadi},
journal= {arXiv preprint arXiv:2412.16768},
year = {2024}
}