新規特徴抽出アプローチを用いた提案の機械学習パイプラインは、今後7〜8年以内の2型糖尿病発症の予測において95.94%の精度を達成した。
観察研究
OGTTデータからの新規特徴抽出を用いた機械学習モデルは、健康な成人における将来の2型糖尿病発症を正確に予測できるか？
OGTTデータからの新規な分数階微積分およびウェーブレットベースの特徴抽出を利用した機械学習アンサンブルモデルにより、7〜8年以内の2型糖尿病発症リスクを極めて高精度に予測できる。
糖尿病は、血流中の血糖値上昇によって生じる、医療費負担が大きく過重な代謝性疾患である。長期間にわたり放置されると、体内の様々な臓器の障害を引き起こし、生命を脅かす健康合併症を発症する可能性がある。研究によると、健康的な生活習慣を維持し、適切な薬物治療を受ければ、糖尿病の進行を阻止または遅延させることができることが示されている。糖尿病の予防または発症遅延は極めて重要であり、将来糖尿病を発症するリスクのある個人を特定するスクリーニングプロセスが存在すれば達成可能である。疾患診断には機械学習技術が適用されてきたものの、疾患、特に2型糖尿病の長期的な予測に関する研究はほとんど行われていない。さらに、将来の糖尿病発症に関与する識別特徴量や危険因子の発見が重要な役割を果たす。本研究では、最良の危険因子を見出すための2つの新規な特徴抽出アプローチを提案し、それに続いて2型糖尿病の長期予測のための機械学習パイプラインを適用する。提案された手法は、San Antonio Heart Studyとして知られる縦断的臨床研究のデータを用いて評価された。提案したモデルは、ある個人が今後7〜8年以内に2型糖尿病を発症するか否かの予測において95.94%の精度を達成した。
Islam et al. (Wed,) conducted a observational in Type 2 Diabetes. Machine learning pipeline with novel feature extraction approaches was evaluated on Prediction of whether a person will develop type 2 diabetes within the next 7-8 years. A proposed machine learning pipeline with novel feature extraction approaches achieved 95.94% accuracy in predicting the development of type 2 diabetes within the next 7-8 years.