机器学习在血液学诊断中的应用
摘要：机器学习算法在预测血液学疾病方面具有快速和准确的诊断是治疗疾病成功的关键。我们利用机器学习算法建立了两个模型，基于实验室血液检测结果预测血液学疾病。在一个预测模型中，我们使用了所有可用的血液检测参数，而在另一个预测模型中，我们使用了一组缩减的参数，这通常在患者入院时进行测量。两个模型的预测结果都非常好，当考虑到最有可能的五种疾病时，预测准确率为0.88和0.86，当仅考虑最有可能的疾病时，预测准确率为0.59和0.57。两个模型之间没有明显差异，这表明一个缩减的参数集合包含了疾病的相关特征，扩大了模型在普通医生使用中的实用性，并且表明血液检测结果中存在医生没有意识到的更多信息。在临床测试中，我们证明了我们的预测模型的准确性与血液学专家的能力相当。我们的研究首次展示了仅基于血液检测的机器学习预测模型可以成功应用于预测血液学疾病，并可能在医学诊断中开辟前所未有的可能性。
作者：Gregor Gunv{c}ar, Matjav{z} Kukar, Mateja Notar, Miran Brvar, Peter v{C}ernelv{c}, Manca Notar, Marko Notar
论文ID：1708.00253
分类：Machine Learning
分类简称：stat.ML
提交时间：2020-06-09