[论文解读] Ensembled Correlation Between Liver Analysis Outputs

Şadi Evren Şeker, Yavuz Ünal+2 more|arXiv (Cornell University)|Jan 25, 2014

Artificial Intelligence in Healthcare参考文献 20被引用 9

一句话总结

本研究应用数据挖掘技术——包括KNN、SVM、MLP、决策树及元分类器——对16,380份肝功能检测结果数据集进行分析，探究关键肝功能参数之间的相关性。研究发现ALT、AST、直接胆红素与总胆红素之间存在强烈的线性相关性（R²最高达94%），可实现以较低误差率（15%）从其他参数可靠预测某一参数。

ABSTRACT

Data mining techniques on the biological analysis are spreading for most of the areas including the health care and medical information. We have applied the data mining techniques, such as KNN, SVM, MLP or decision trees over a unique dataset, which is collected from 16,380 analysis results for a year. Furthermore we have also used meta-classifiers to question the increased correlation rate between the liver disorder and the liver analysis outputs. The results show that there is a correlation among ALT, AST, Billirubin Direct and Billirubin Total down to 15% of error rate. Also the correlation coefficient is up to 94%. This makes possible to predict the analysis results from each other or disease patterns can be applied over the linear correlation of the parameters.

研究动机与目标

• 利用数据挖掘技术探究关键肝功能检测结果之间相关性的强度与可靠性。
• 评估集成学习方法是否能提高从一个参数预测其他肝功能异常指标的准确性。
• 确定ALT、AST、总胆红素与直接胆红素之间线性关系是否可支持疾病模式识别。
• 验证机器学习模型在最小误差下预测肝功能检测结果的可行性。
• 探索在临床或诊断环境中，是否可将某一肝功能参数作为其他参数的替代指标。

提出的方法

• 收集并分析了来自单一年份的16,380份肝功能检测结果数据集。
• 应用多种机器学习模型：K近邻（KNN）、支持向量机（SVM）、多层感知机（MLP）及决策树。
• 采用元分类器整合各模型的预测结果，以提升整体相关性预测的准确性。
• 使用皮尔逊线性相关性分析量化ALT、AST、直接胆红素与总胆红素之间的关系。
• 以误差率和决定系数（R²）作为关键指标，评估模型性能。
• 聚焦于基于其他参数值预测某一肝功能参数，以评估其预测实用性。

实验结果

研究问题

• RQ1 在多大程度上可利用机器学习技术，从一个肝功能检测结果（ALT、AST、总胆红素、直接胆红素）预测其他参数？
• RQ2 利用集成学习方法时，关键肝功能参数之间的可实现决定系数（R²）是多少？
• RQ3 与单一模型相比，元分类器是否能提升肝功能检测结果的预测准确性？
• RQ4 使用所提出的集成方法从其他参数预测某一肝功能参数时，其误差率是多少？
• RQ5 肝功能标志物之间的线性相关性在临床预测中的可靠性如何？

主要发现

• 观察到ALT、AST、直接胆红素与总胆红素水平之间存在强烈的线性相关性（R²最高达94%）。
• 当从其他参数预测某一肝功能参数时，集成预测模型的误差率低至15%。
• 与单一模型相比，元分类器显著提升了整体相关性性能。
• 结果表明，肝功能检测结果高度相互依赖，可在不同参数间实现可靠预测。
• 高R²值与低误差率表明，这些参数可在诊断建模中互换使用。
• 本研究证实，数据挖掘技术可有效建模并高精度预测肝功能检测结果之间的关系。