基于自动机器学习的耳鸣中医辨证分型及关键因素研究

作者：况忠伶; 尹梓名^*; 王丽华; 张浩鹏; 吉琳; 王婧怡; 郭裕

来源：国际生物医学工程杂志, 2023, 46(05).

• 耳鸣
• 自动机器学习
• 随机森林

目的应用自动机器学习技术构建耳鸣中医辨证分型模型并探索影响耳鸣辨证结果的关键因素。方法回顾性分析2021年1月至2022年1月上海市7家医疗单位收集的594例主观性耳鸣患者的临床特征, 利用Auto-sklearn自动机器学习方法进行常见的15种机器学习算法对比, 选择分类效果最优的模型分析影响耳鸣的关键因素。结果分类结果最优的算法是随机森林, 它的准确率、精确度、敏感度、特异度、F1分数、曲线下面积(AUC)值、kappa系数分别为87.37%、88.34%、89.06%、96.63%、88.38%、97.50%、83.37%, 并得出影响耳鸣类型肾精亏损、肝火上扰、痰火郁结、脾胃亏虚、风热侵袭分类的关键因素分别为滑脉、弦脉、滑脉、舌淡、浮脉。结论随机森林算法对于结构化的临床数据特征能提供很好的分类预测功能, 提示机器学习技术对辅助中医耳鸣的诊断具有临床应用价值。

• 单位
  上海中医药大学; 上海理工大学