基于集成学习和可解释 AI 的慢性肾病早期预后分析方法
机器学习
2025-01-28 v2 人工智能
摘要
慢性肾病 (CKD) 是一种全球患病率极高的慢性病，目前无有效的终极疗法，且死亡率高。研究表明，进展性的慢性肾病是一种异质性的疾病，显著影响肾脏的结构和功能，最终导致肾衰竭。随着时间推移，慢性肾病已从影响少数人生命的危及疾病，演变为一种严重程度各异的常见疾病。本研究旨在利用集成学习和可解释 AI 方法，揭示 CKD 早期预后和检测所表现出的主导特征、特征得分及其值。为此，我们提出了一种基于 AI 的预测分析方法，以辅助临床医生为个体患者制定生活方式干预措施，以减缓该病的进展速度。本研究的数据集来自 CKD 患者和健康受试者的体征指标，包含血液和尿液检测结果，我们将其应用于预测 CKD 的机器学习模型。我们的研究经与肾脏科医生的深入讨论验证。我们将实验和解释结果与各类 healthcare 领域的现有可解释 AI 应用进行比较，包括 CKD。比较结果表明，我们开发的 AI 模型，特别是随机森林模型，识别出的特征重要性更高；解释性 (I)，即重要特征与被遮蔽特征之比，显示出 XGBoost 模型在该指标上取得了更高的得分，具体为 98% 的忠诚度 (Fidelity)，在 FII 指数上也表现自然更佳。
引用
@article{arxiv.2406.06728,
title = {AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI},
author = {K M Tawsik Jawad and Anusha Verma and Fathi Amsaad and Lamia Ashraf},
journal= {arXiv preprint arXiv:2406.06728},
year = {2025}
}