MAFUS：预测 MAFLD 受试者死亡风险的框架
机器学习
2023-01-18 v1 机器学习
摘要
代谢（功能障碍）相关脂肪性肝病（MAFLD）确立了独立于饮酒和并发病毒性肝炎感染来诊断脂肪性肝病的新标准。然而，关于 MAFLD 受试者长期结局的数据十分稀少。很少有文章关注 MAFLD 受试者的死亡率，且没有文章研究如何预测致命性结局。在本文中，我们提出了一个基于人工智能的框架 MAFUS，供医生用于预测 MAFLD 受试者的死亡率。该框架使用来自各种人体测量和生化源的数据，并基于机器学习（ML）算法。该框架已在最先进的数据集上进行了测试，并在其上训练了五种 ML 算法。支持向量机被证明是最佳模型。此外，还进行了可解释人工智能（XAI）分析，以理解 SVM 的诊断推理以及每个特征对预测的贡献。MAFUS 框架易于应用，且所需参数在数据集中容易获取。
引用
@article{arxiv.2301.06908,
title = {MAFUS: a Framework to predict mortality risk in MAFLD subjects},
author = {Domenico Lofù and Paolo Sorino and Tommaso Colafiglio and Caterina Bonfiglio and Fedelucio Narducci and Tommaso Di Noia and Eugenio Di Sciascio},
journal= {arXiv preprint arXiv:2301.06908},
year = {2023}
}
备注
18 pages, 20 figures