[論文レビュー] Machine Learning Approaches for Inferring Liver Diseases and Detecting Blood Donors from Medical Diagnosis

Fahad Mostafa, Easin Hasan|arXiv (Cornell University)|Apr 25, 2021

Artificial Intelligence in Healthcare参考文献 22被引用数 2

ひとこと要約

本研究では、UCI-MLRデータを用いて、肝炎、線維化、および肝硬変を有する患者における血液献血者と非献血者を分類するために機械学習を適用した。欠損データには複数の多重代入法（MICE）を、次元削減には主成分分析（PCA）を用い、SVM、ランダムフォレスト、およびANN分類器を比較した。SVMでは98.23%の精度を達成し、診断意思決定支援の向上が著しく見られた。

ABSTRACT

For a medical diagnosis, health professionals use different kinds of pathological ways to make a decision for medical reports in terms of patients medical condition. In the modern era, because of the advantage of computers and technologies, one can collect data and visualize many hidden outcomes from them. Statistical machine learning algorithms based on specific problems can assist one to make decisions. Machine learning data driven algorithms can be used to validate existing methods and help researchers to suggest potential new decisions. In this paper, multiple imputation by chained equations was applied to deal with missing data, and Principal Component Analysis to reduce the dimensionality. To reveal significant findings, data visualizations were implemented. We presented and compared many binary classifier machine learning algorithms (Artificial Neural Network, Random Forest, Support Vector Machine) which were used to classify blood donors and non-blood donors with hepatitis, fibrosis and cirrhosis diseases. From the data published in UCI-MLR [1], all mentioned techniques were applied to find one better method to classify blood donors and non-blood donors (hepatitis, fibrosis, and cirrhosis) that can help health professionals in a laboratory to make better decisions. Our proposed ML-method showed better accuracy score (e.g. 98.23% for SVM). Thus, it improved the quality of classification.

研究の動機と目的

• 臨床データを活用した機械学習により、肝疾患診断における医療意思決定を改善すること。
• 医療データセットにおける欠損値や高次元性といったデータ品質の問題に対処すること。
• 肝炎、線維化、および肝硬変を有する患者において、血液献血者と非献血者を区別するための最も正確な機械学習モデルを特定すること。
• 健康専門職がより信頼性の高い臨床検査を実施できるように、データ駆動型ツールを提供すること。

提案手法

• UCI-MLRデータセットの欠損データを処理するために、系列方程式による多重代入法（MICE）が用いられた。
• 特徴量空間の次元削減を図り、モデルの効率性を向上させるとともにノイズを低減するために、主成分分析（PCA）が適用された。
• データ可視化技術が用いられ、隠れたパターンを特定し、データ品質を検証した。
• 二値分類は、人工ニューラルネットワーク（ANN）、ランダムフォレスト（RF）、およびサポートベクターマシン（SVM）の3つの機械学習モデルを用いて実施された。
• モデルの性能評価には、交差検証を用いて妥当性を確保した主な指標として正解率が用いられた。
• 全疾患カテゴリにわたる正解率スコアの比較に基づき、最良の性能を示したモデルが選定された。

実験結果

リサーチクエスチョン

• RQ1 肝疾患を有する患者において、血液献血者と非献血者を分類する際、どの機械学習アルゴリズムが最も高い正解率を達成するか？
• RQ2 MICE や PCA などのデータ前処理技術は、臨床データセットにおける分類性能を向上させるためにどの程度有効か？
• RQ3 機械学習モデルは、肝炎、線維化、および肝硬変を有する患者の血液献血者状態を特定する際、従来の診断手法を上回ることができるか？
• RQ4 前処理前後におけるデータ構造と関係性を可視化することで、どのようなインサイトが得られるか？

主な発見

• サポートベクターマシン（SVM）分類器は、血液献血者と非献血者を区別する際、98.23%の最高正解率を達成した。
• MICEの適用により、データセット内の欠損値を効果的に処理し、データ品質が著しく向上した。
• PCAは次元削減に貢献し、モデルの効率性を向上させるとともに過学習のリスクを低減した。
• データ可視化により、肝疾患の指標と献血者状態の分布に有意義なパターンが明らかになった。
• 検証されたモデルの中で、SVMはランダムフォレストおよび人工ニューラルネットワークよりも分類精度で優れていた。
• 全体の機械学習パイプラインは、臨床検査所における診断意思決定支援の向上に強く期待できる可能性を示した。