基于机器学习的急性胰腺炎中医辨证模型构建

摘要：

目的 基于机器学习构建急性胰腺炎(AP)的中医智能辨证模型,并比较不同机器学习算法模型的效能.方法 检索中国知网数据库,收集 2004 年 12 月至 2022 年 3 月公开发表的应用中医药治疗AP的文献资料,建立AP中医辨证信息数据库.运用决策树(DT)、随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)、K-近邻(KNN)5 种机器学习算法构建AP中医辨证模型.采用五折交叉验证法对不同算法模型的效能进行评估;采用RF模型分析各个症状体征对于AP辨证分型的重要性.结果 最终纳入符合要求的中医药治疗AP的相关文献 260 篇.将所有特征中出现频次低于 10 次的症状体征或证型剔除,最终留取 53 个症状体征作为特征变量,获得4个AP常见证型,分别为腑实热结证、肝郁气滞证、瘀毒互结证、湿热蕴结证.分别构建不同机器学习算法的AP中医辨证模型,经五折交叉验证显示,基于RF算法的模型效果最佳,其准确率、查准率、查全率和F1分数均在95%以上(分别为96.2%、97.1%、95.6%、96.1%);而DT和KNN模型的各项效能评估结果较差.基于RF模型的特征重要性分析显示,特征重要性数值排名前10位的症状体征依次为身目发黄(0.0768)、脉洪大(0.0597)、苔白(0.0567)、腹满硬痛拒按(0.0535)、舌淡红(0.0531)、脉弦(0.0493)、脉涩(0.0477)、舌质红(0.0459)、舌有瘀斑(0.0430)、苔薄(0.0403).结论 基于RF构建的AP中医辨证模型具有较高的准确率.

关键词：急性胰腺炎、机器学习、中医辨证模型、随机森林

所属期刊栏目：30

分类号：R242;F293.35;TP391

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：321-324