AttentiveLSTMとFox Wolf Optimizerを活用した嚢胞性線維症におけるAI駆動のリスク予測と分類

要約 嚢胞性線維症（CF）は、CFTR遺伝子の変異に起因する遺伝性疾患であり、管理を改善するためには正確なリスク予測が必要です。モジュレーター療法は治療を進展させましたが、すべての遺伝子変異をカバーしておらず、アクセスの問題に直面しています。これらの課題に対処するために、新しい嚢胞性線維症リスク予測フレームワーク（CGRPF）を提案します。CGRPFは、欠損データの平均代入、効果的な特徴選択のためのFox Wolf Optimizer（FWO）、および時系列データの時間的パターンを捉えるためのAttentiveLSTMを利用して、慢性疾患の予測を支援します。全結合層とソフトマックス層がモデルの性能を向上させ、高、中、低リスクカテゴリーへのキャリブレーションされた分類を保証します。CFTR-2データセットでテストした結果、CGRPFは97％の精度、91％の適合率、97％の再現率、93％のF1スコアという強力な性能指標を達成し、CFリスク予測において最先端のモデルを上回りました。