机器学习XGBoost算法在医学领域的应用研究进展

作者：齐巧娜; 刘艳; 陈霁晖; 刘昕竹; 杨锐; 张津源; 崔梦璇; 谢艺萌; 王则远; 于泽; 高飞^*; **^*

来源：分子影像学杂志, 2021, 44(05): 856-862.

DOI：10.12122/j.issn.1674-4500.2021.05.25

• XGBoost
• 机器学习
• 医药大数据
• 临床辅助决策支持
• 分类或回归预测

机器学习XGBoost算法于2014年提出,其基于boosting算法展开,在许多数据科学大赛上都显示出了极高的可用性和优异性能。目前基于XGBoost算法构建的分类或回归预测模型已经广泛地运用于医疗保健、金融、教育、制造等领域的数据分析中。在医药学领域中XGBoost已广泛应用于疾病诊断以及疾病发生风险、转归与预后、合理安全用药和药物研发的等方面,并且在这些领域中提供了具有极大可能性的解决方案,有助于提高决策的效率和质量,降低假阳性率。同时,XGBoost算法在处理数据缺失值时,能自动学习分裂方向;在处理大型数据集时,能够模拟非线性效应,具有较高的效率和准确性。

• 单位
  上海交通大学医学院附属新华医院