Модели машинного и глубокого обучения для прогнозирования сахарного диабета 2-го типа: систематический обзор
Machine learning and deep learning predictive models for type 2 diabetes: a systematic review
Аннотация
Сахарный диабет — тяжёлое хроническое заболевание, возникающее при повышении уровня глюкозы в крови выше определённых пороговых значений. В последние годы методы машинного и глубокого обучения применяются для прогнозирования сахарного диабета и его осложнений. Однако при создании прогностических моделей сахарного диабета 2-го типа исследователи и разработчики по-прежнему сталкиваются с двумя основными трудностями. Во-первых, предыдущие исследования существенно различаются по использованным методам, поэтому сложно определить оптимальный. Во-вторых, сведения о признаках, включённых в модели, часто недостаточно прозрачны, что снижает их интерпретируемость. Целью этого систематического обзора было найти ответы на эти вопросы. Обзор проводили преимущественно в соответствии с методологией PRISMA, дополнив её подходом, предложенным Килским и Даремским университетами. В обзор включили 90 исследований и извлекли сведения о типах моделей, дополнительных методах, наборах данных и представленных показателях эффективности. Сравнили 18 типов моделей; наилучшие результаты показали алгоритмы на основе деревьев. Глубокие нейронные сети оказались менее эффективными, несмотря на способность работать с большими и неочищенными данными. Балансировка данных и отбор признаков помогали повысить эффективность моделей. Модели, обученные на тщательно подготовленных наборах данных, демонстрировали почти идеальные результаты.
Переведем эту статью за 1 час
Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.
Попробовать бесплатно →Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.