首页 > 其他分享 >机器学习肝炎预测模型machine learning for hepatitis prediction model

机器学习肝炎预测模型machine learning for hepatitis prediction model

时间:2022-12-23 11:36:08浏览次数:62  
标签:肝病 磷酸酶 prediction hepatitis machine virus 患者 肝脏 肝炎

作者Toby,来自​​机器学习肝炎预测模型​

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎预测模型

肝炎是由细菌、virus、寄生虫、酒精、药物、化学物质、自身免疫等多种致病因素引起的肝脏炎症的统称。儿童及成年人均可患病,virus感染导致的virus性肝炎较为常见。

由于过度饮酒、吸入有害气体、摄入受污染的食物、泡菜和药物,肝病患者不断增加。

我们可以用机器学习建模,自动化预测肝病概率,以减轻医生的负担。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎预测模型_02

肝炎发展分为下图三个等级

机器学习肝炎预测模型machine learning for hepatitis prediction model_人工智能_03

肝炎风险因子

如果您有以下情况,您患肝炎的风险更高:

过渡引用酒精

肝炎virus感染

凝血因子紊乱病史

最近被诊断出患有性传播疾病

患有糖尿病

被诊断患有艾滋virus/艾滋病

以前注射过或目前正在注射药物


肝炎症状

患有肝炎的人可能会在很长一段时间内没有任何症状。对于其他人,肝炎可能会导致:

食欲不振

恶心和呕吐

腹泻

深色尿液

腹痛

黄疸

机器学习肝炎预测模型machine learning for hepatitis prediction model_人工智能_04


virus是引起肝炎的重要因素

肝脏是人体最大的器官,在促进食物消化、储存能量和排除毒素方面起着至关重要的作用。肝炎是一种以肝脏炎症为特征的疾病。肝炎有不同的类型,每一种都以引起它的virus命名。五种主要类型的virus会引起肝炎——A、B、C、D 和 E 型。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎模型_05

乙肝virus通过cccdna长期潜伏在肝脏里,药物难以彻底清除,患者可几十年携带virus.中国是乙肝大国,也是乙肝药物最大市场.

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎预测模型_06

过渡饮酒是肝炎重要因素

过渡饮酒会引发下述血检指标异常,暗示肝炎发生。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎_07

药物性肝炎

滥用药物可能导致肝损伤.例如这次新冠virus大规模在国内传播后,某些居民同时服用多种感冒药,导致肝肾中毒和损伤.这就是药物性肝炎.

机器学习肝炎预测模型machine learning for hepatitis prediction model_人工智能_08


肝炎患病率

全世界有超过 10 亿人患有乙型、丙型和丁型肝炎,每年导致超过 100 万人死亡。某些形式的肝炎可能很轻微,而另一些可能很严重。有时,肝炎可以自行消失,无需医疗干预。但是,如果没有发生这种情况,可以继续进行药物治疗。在某些情况下,肝炎会持续一生。对于某些virus性肝炎,接种疫苗可能是一种有效的预防措施。由肝炎引起的慢性感染还可能随后导致肝硬化、终末期肝病和肝癌。

中国是乙肝大国

数据显示,我国乙肝、丙肝患者数仍排在全球首位,乙肝virus携带者近9000万人,其中约2800万为乙肝患者;丙肝感染者约760万人,其中丙肝患者约456万人。

肝炎已经对我国财政造成巨大负担。

好消息:乙肝可以通过疫苗预防,我们通过教育可以大幅降低未来肝炎患病率。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎模型_09




模型实验

我们可以利用机器学习建立模型,根据血检结果等变量,自动化预测居民肝病概率,可减轻医生和居民的负担。

该数据集包含从印度安得拉邦东北部收集的416份肝脏患者记录和167份非肝脏患者记录。

“数据集”列是一个类标签,用于将组分为肝病患者(肝病)或非肝病患者(无疾病)。

该数据集包含441份男性患者记录和142份女性患者记录。

年龄超过89岁的患者被列为“90岁”。

建模数据集来自美国加州大学信息和计算机科学学院.


我们收集如下变量,我们是否可以通过这些变量预测居民肝炎概率?

Age of the patient 年龄

Gender of the patient 性别

Total Bilirubin 总胆红素

Direct Bilirubin胆红素;

Alkaline Phosphotase 碱性磷酸酶

Alamine Amino transferase 丙氨酸氨基转移酶

Aspartate Aminotransferase 天冬氨酸氨基转移酶

Total Protiens 总蛋白质

Albumin 白蛋白

Albumin and Globulin Ratio 白蛋白和球蛋白比率


模型综合指标良好

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎_10

模型ks=0.5155,区分肝炎患者效果良好

机器学习肝炎预测模型machine learning for hepatitis prediction model_人工智能_11

模型AUC=0.78,区分肝炎患者效果良好

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎模型_12

变量趋势分析如下,例如Aspartate Aminotransferase 天冬氨酸氨基转移酶为最重要变量,该值越大,肝炎风险越大.

机器学习肝炎预测模型machine learning for hepatitis prediction model_机器学习_13




变量分析部分展示


aspartate aminotransferase 天冬氨酸转氨酶

AST 是您的肝脏产生的一种酶。其他器官,如您的心脏、肾脏、大脑和肌肉,也产生较少的量。

通常,血液中的 AST 水平很低。当您的肝脏受损时,它会将更多 AST 放入您的血液中,您的水平就会升高。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎模型_14


年龄

衰老已被证明不仅会增加对急性肝损伤的脆弱性,还会增加纤维化反应的易感性。

衰老与各种肝病的严重程度和预后不良有关,包括非酒精性脂肪肝、酒精性肝病、丙型肝炎和肝移植。

老年肝病患者的治疗可能需要不同或更长的干预措施。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎预测模型_15


alkaline phosphotase碱性磷酸酶

碱性磷酸酶测试通常用于筛查或帮助诊断肝脏或骨骼疾病。该测试还可以帮助诊断或监测其他健康状况。

碱性磷酸酶高表示您的肝脏可能出现问题:

胆管阻塞

肝硬化

肝炎

单核细胞增多症,有时会导致肝脏肿胀

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎_16


许多事情都会影响 碱性磷酸酶水平。怀孕会导致高于正常的碱性磷酸酶水平。儿童和青少年的碱性磷酸酶水平可能较高,因为他们的骨骼正在生长。避孕药和某些药物可能会降低碱性磷酸酶水平,而其他药物会导致 碱性磷酸酶 水平升高。即使在碱性磷酸酶测试前进食脂肪餐也可能导致碱性磷酸酶略微升高。


alamine aminotransferase 丙氨酸氨基转移酶

这种酶主要存在于您的肝脏中。少量的 ALT 也存在于您的肾脏和其他器官中。

您的身体使用 ALT 将食物分解成能量。通常,血液中的 ALT 水平较低。如果您的肝脏受损,它会向您的血液中释放更多的 ALT,并且水平会升高。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎_17

您应该会在大约一天内得到结果。正常的 ALT 测试结果范围为每升 7 至 55 个单位 (U/L)。男性的水平通常更高。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎_18

机器学习肝炎预测模型machine learning for hepatitis prediction model_机器学习_19

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎模型_20



总结

此肝炎建模实验意义重大

肝炎可防可控,通过教育和疫苗,我们可以降低肝炎患者数量。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎_21


机器学习肝炎预测模型machine learning for hepatitis prediction model就为大家介绍到这里。我们公司支持论文,作业,专利,企业项目的一对一机器学习建模定制服务,快速解决问题,节约大量时间。

​我方提供自主研发课程,扫描二维码可收藏课程。

机器学习肝炎预测模型machine learning for hepatitis prediction model_肝炎模型_22

版权声明:文章来自公众号(python生物信息学),未经许可,不得抄袭。遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

标签:肝病,磷酸酶,prediction,hepatitis,machine,virus,患者,肝脏,肝炎
From: https://blog.51cto.com/pythonEducation/5965279

相关文章

  • Machine Learning Explainability
    MachineLearningExplainabilityExtracthuman-understandableinsightsfromanymodel.PermutationImportanceWhatfeaturesdoesyourmodelthinkareimportant?......
  • 论文解读:Multimodal Machine Translation with Embedding Prediction
    论文解读:MultimodalMachineTranslationwithEmbeddingPrediction  机器翻译中有一个非常重要的问题即是对未知词(unknownword)和罕见词(rareword)的预测。有许多工作着......
  • 论文解读:Sequence to Sequence Mixture Model for Diverse Machine Translation
    论文解读:SequencetoSequenceMixtureModelforDiverseMachineTranslation  机器翻译是自然语言处理中比较热门的研究任务,在深度学习背景下,通过神经网络搭建的机器翻......
  • 论文解读:On The Alignment Problem In Multi-Head Attention-Based Neural Machine Tr
    论文解读:OnTheAlignmentProblemInMulti-HeadAttention-BasedNeuralMachineTranslation  机器翻译是自然语言处理的任务之一。基于transformer和multi-headatten......
  • Spring Statemachine状态机的概念(四)
    状态机示例参考文档的这一部分解释了状态的使用机器以及示例代码和UML状态图。我们使用一些表示状态图、Spring状态机之间关系时的快捷方式配置,以及应用程序对状态机......
  • Spring Statemachine状态机的概念(五)
    部署部署示例显示了如何将状态机概念与UML建模以提供通用错误处理状态。此状态机器是一个相对复杂的例子,说明如何使用各种功能提供集中式错误处理概念。下图显示了部署......
  • Spring Statemachine状态机的概念(二)
    使用作用域状态机对作用域的支持非常有限,但您可以通过以下两种方式之一使用普通的Spring注释来启用范围:​​session​​​​@Scope​​如果状态机是使用构建器手动构建的......
  • Spring Statemachine状态机的概念(三)
    状态机服务状态机服务是更高级别的实现,旨在提供更多用户级功能,简化正常运行时间操作。目前只有一个服务接口()存在。​​StateMachineService​​用​​StateMachineServi......
  • Spring Statemachine状态机的概念
    SpringStatemachine(SSM)是一个框架,可以让应用程序开发人员将传统的状态机概念与Spring应用程序结合使用。SSM提供以下功能:易于使用的平面(单级)状态机,适用于简单用例。分......
  • 概率论 ‖ Machine Learning必备知识
    OverridetheentrypointofanimageIntroducedinGitLabandGitLabRunner9.4.Readmoreaboutthe extendedconfigurationoptions.Beforeexplainingtheav......