基于行为数据的慢性病诊断
计算机与社会
2024-10-07 v1
摘要
早期检测慢性病有助于医疗保健，通过提供及时干预的黄金机会。尽管已有大量研究成功地使用机器学习（ML）模型进行疾病诊断，但这些方法高度依赖医疗数据，而对于慢性病早期患者而言，这些数据稀缺。本文旨在使用自采集的行为数据诊断低血糖（糖尿病）、高脂血症和高血压（统称为3H），从而在不依赖临床环境收集的医疗数据的情况下实现3H的早期检测。具体而言，我们在3个月的研究期间从629名参与者那里收集了每日行为数据，并在数据预处理后训练了各种ML模型。实验结果表明，仅使用参与者上传的行为数据，即可实现对糖尿病、高脂血症和高血压的准确诊断：分别为80.2%、71.3%和81.2%。此外，我们对训练好的模型进行Shapley分析，以识别每种疾病最具影响力的特征。识别出的影响特征与文献中报道的一致。
引用
@article{arxiv.2410.03386,
title = {Chronic Disease Diagnoses Using Behavioral Data},
author = {Di Wang and Yidan Hu and Eng Sing Lee and Hui Hwang Teong and Ray Tian Rui Lai and Wai Han Hoi and Chunyan Miao},
journal= {arXiv preprint arXiv:2410.03386},
year = {2024}
}