痴呆预测分析：医疗数据上的机器学习
人工智能
2026-01-13 v1
摘要
痴呆是一种影响认知和情感功能的复杂综合征，其中阿尔茨海默病是最常见的形式。本研究旨在使用机器学习 (ML) 技术对患者健康数据提高痴呆预测。本研究应用了监督学习算法，包括 K 近邻 (KNN)、二次判别分析 (QDA)、线性判别分析 (LDA) 和 高斯过程分类器。为解决类别不平衡问题并提高模型性能，采用了合成少数过采样技术 (SMOTE) 和术语频率-逆文档频率 (TF-IDF) 向量化。对于模型而言，LDA 实现了 98% 的最高测试准确率。这项研究突显了模型可解释性的重要性以及痴呆与特征如 APOE-epsilon4 等位基因以及糖尿病等慢性疾病的相关性。这项研究主张在未来的 ML 创新中，特别是在整合可解释人工智能方法方面，以进一步提高痴呆护理中的预测能力。
关键词
引用
@article{arxiv.2601.07685,
title = {Predictive Analytics for Dementia: Machine Learning on Healthcare Data},
author = {Shafiul Ajam Opee and Nafiz Fahad and Anik Sen and Rasel Ahmed and Fariha Jahan and Md. Kishor Morol and Md Rashedul Islam},
journal= {arXiv preprint arXiv:2601.07685},
year = {2026}
}
备注
10 pages, 13 figures