[论文解读] 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 2

一句话总结

本研究利用机器学习方法，基于UCI-MLR数据集，对患有肝炎、纤维化和肝硬化的患者进行献血者与非献血者的分类。研究采用多重插补法处理缺失数据，使用主成分分析（PCA）进行降维，并对比了支持向量机（SVM）、随机森林（RF）和人工神经网络（ANN）分类器的性能，最终SVM分类器达到98.23%的准确率，显著提升了诊断决策支持能力。

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.

研究动机与目标

• 通过在临床数据上应用机器学习，提升肝病诊断中的医疗决策能力。
• 解决医疗数据集中缺失值和高维性等数据质量问题。
• 识别在肝炎、纤维化和肝硬化患者中区分献血者与非献血者的最准确机器学习模型。
• 为医疗专业人员提供基于数据的工具，以实现更可靠的实验室诊断。

提出的方法

• 采用多重插补法（MICE）处理UCI-MLR数据集中缺失的数据。
• 使用主成分分析（PCA）降低特征空间的维度，以提升模型效率并减少噪声。
• 应用数据可视化技术，以发现隐藏模式并验证数据质量。
• 采用三种机器学习模型进行二分类：人工神经网络（ANN）、随机森林（RF）和支持向量机（SVM）。
• 以准确率为首要指标评估模型性能，并通过交叉验证确保结果的稳健性。
• 基于所有疾病类别中的准确率比较，选择表现最佳的模型。

实验结果

研究问题

• RQ1 在肝病患者中，哪种机器学习算法在区分献血者与非献血者方面达到最高准确率？
• RQ2 MICE和PCA等数据预处理技术在提升临床数据集分类性能方面的有效性如何？
• RQ3 机器学习模型能否在识别肝炎、纤维化和肝硬化患者献血者状态方面超越传统诊断方法？
• RQ4 在预处理前后，通过数据可视化可获得关于数据结构与关系的哪些洞察？

主要发现

• 支持向量机（SVM）分类器在区分献血者与非献血者方面达到了最高的98.23%准确率。
• MICE的应用显著提升了数据质量，有效处理了数据集中的缺失值。
• PCA在降维方面发挥了作用，提升了模型效率并降低了过拟合风险。
• 数据可视化揭示了肝病指标和献血者状态分布中的有意义模式。
• 在所测试的模型中，SVM在分类准确率方面优于随机森林和人工神经网络。
• 整体机器学习流程在提升临床实验室诊断决策能力方面展现出强大潜力。