Clin Otolaryngol：通过机器学习模型来预测突发性感官听力损失患者的听力结果
2018-02-06 AlexYang MedSci原创
突发性感官听力损失（SSHL）是一种多因子障碍疾病且伴随着高度的异质性，因此，结果具有很大的不同。最近，有研究人员基于4种SSHL机器学习模型来开发预测模型，从而鉴定最好的模型来用于临床。研究包括了1220名SSHL患者，时间为2008年6月到2015年12月。研究发现，在包括149个变量的原生数据测试中，深度信念网络（DBN）模型具有最好的预测能力，预测准确性为77.58%，AUC为0.84。然
突发性感官听力损失（SSHL）是一种多因子障碍疾病且伴随着高度的异质性，因此，结果具有很大的不同。最近，有研究人员基于4种SSHL机器学习模型来开发预测模型，从而鉴定最好的模型来用于临床。
研究包括了1220名SSHL患者，时间为2008年6月到2015年12月。研究发现，在包括149个变量的原生数据测试中，深度信念网络（DBN）模型具有最好的预测能力，预测准确性为77.58%，AUC为0.84。然而，在特征修剪后，DBN产出了不太好的表现。与之相反，传统逻辑回归（LR）、支持向量机（SVM）和多层感知器（MLP）模型表现出了相反的趋势，因为当只包括了3个变量时获得了最好的个人预测能力，且ROC-AUC范围为0.79到0.81，并且随着输入特性组合的规模的增加而，预测能力有所减少。
最后，研究人员指出，当输入足够多的特性时，DBN能够成为一个SSHL非常强有力的工具。但是在常规临床应用时，LR在早期预测中更为实用且使用3个可以利用的变量，即症状起始和研究进入的时间间隔、起始听力水平和听力敏度图。
原始出处：
Bing D， Ying J， Miao J et al. Predicting the Hearing Outcome in Sudden Sensorineural Hearing Loss via Machine Learning Models. Clin Otolaryngol. 21 Jan 2018.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#机器学习模型#
76
#突发性#
89
#感官听力损失#
80
#听力结果#
67
#听力#
73
#机器#
83
不错的文章值得拥有
125
谢谢了.学习.谢谢分享
103
了解一下.谢谢分享!
90