机器学习方法在慢性病研究中的应用进展

作者：吴亚飞; 方亚^*

来源：中国卫生统计, 2020, 37(04): 624-628.

• 机器学习方法
• 决策树模型
• 集成学习方法
• 慢性病
• 应用进展

<正>近年来,我国慢性病发病率呈现逐年上升趋势,由此造成沉重的疾病负担[1];同时,慢性病并发症所带来的致死和致残现象极为严峻,已成为影响我国居民健康和生存质量的重大威胁[2]。因而,对慢性病发病风险进行预测,以便及早采取积极的干预措施,对于疾病的防控工作显得尤为重要。机器学习作为一类经典的预测模型,具有良好的预测性能[3],在慢性病研究中已经得到了较为广泛的应用[4-6]。另外,随着大数据的积累以及云计算的普及,基于健康大数据开展深度学习正成为慢性病研究领域的热点,并有望为智能医疗和健康决策提供强有力的支撑。

• 单位
  厦门大学; 公共卫生学院