运用机器学习构建慢性肾炎中医辨证智能模型及内部验证

作     者：贺鹏飞 刘聪 李红典 董奥 邓媛媛 陈澍 张勉之 HE Pengfei;LIU Cong;LI Hongdian;DONG Ao;DENG Yuanyuan;CHEN Shu;ZHANG Mianzhi

作者机构：北京中医药大学北京100105 北京中医药大学东方医院北京100078 天津市中医药研究院天津300120 

出 版 物：《辽宁中医药大学学报》 (Journal of Liaoning University of Traditional Chinese Medicine)

年 卷 期：2024年第26卷第6期

页      面：73-78页

学科分类：100506[医学-中医内科学] 1006[医学-中西医结合] 1005[医学-中医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：国家自然科学基金面上项目(82074242) 

主　　题：慢性肾炎 机器学习 辨证智能模型 人工智能 R语言 

摘      要：目的基于机器学习的方法构建慢性肾炎中医智能辨证模型。方法检索知网、万方、维普、中国生物医学文献服务系统、古今医案云建库至2023年3月公开发表慢性肾炎相关医案文献。建立慢性肾炎中医医案信息数据库,然后将数据按7∶3成为训练集和验证集。运用决策树(decision tree,DT)、随机森林(random forest,RF)、极限梯度提升(extreme gradient boosting,XGBoost)、支持向量机(support vector machine,SVM)、K最邻近节点算法(K-nearest neighbor,KNN)、BP神经网络(back propagation neural network,BPNN)对训练集进行模型构建与超参数调优,并通过验证集对模型进行内部验证。结果最终得到786个医案数据,决策树的准确率81.5%,随机森林的准确率85.4%,极限梯度提升的准确率83.7%,支持向量机的准确率85%,K最邻近节点算法的准确率62.2%,BP神经网络的准确率72.1%。结论随机森林对慢性肾炎证型的判定推断最准确,人工智能应用于慢性肾炎中医辨证方法学上可行。