集成机器学习与生存分析建模以增强慢性肾脏病风险分层
机器学习
2024-11-19 v1 人工智能
统计计算
机器学习
摘要
慢性肾脏病（CKD）是一项重大的公共卫生挑战，若未能及早发现和管理，常会进展为终末期肾病（ESRD）。鉴于疾病进展的隐匿性，早期干预可显著降低相关的发病率、死亡率和经济负担。在本研究中，我们提出了一种结合机器学习技术和经典统计模型来建模CKD进展的新方法。基于Liu等人（2023）的工作，我们评估了线性模型、基于树的方法和深度学习模型，以提取用于预测CKD进展的新型预测因子，并使用Shapley值评估特征重要性。这些新识别的预测因子与来自肾衰竭风险方程的既定临床特征相结合，随后被应用于Cox比例风险模型的框架内，以预测CKD的进展。
引用
@article{arxiv.2411.10754,
title = {Integrated Machine Learning and Survival Analysis Modeling for Enhanced Chronic Kidney Disease Risk Stratification},
author = {Zachary Dana and Ahmed Ammar Naseer and Botros Toro and Sumanth Swaminathan},
journal= {arXiv preprint arXiv:2411.10754},
year = {2024}
}
备注
Findings paper presented at Machine Learning for Health (ML4H) symposium 2024, December 15-16, 2024, Vancouver, Canada, 19 pages