基于自动机器学习的耳鸣中医辨证分型及关键因素研究

摘要：

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。

关键词：耳鸣、自动机器学习、随机森林

所属期刊栏目：46

资助基金：国家自然科学基金项目82074581;上海市卫生健康委员会中医药传承和科技创新项目ZYKC2019031;National Natural Science Foundation of China82074581;Traditional Chinese Medicine Inheritance and Technological Innovation Project of Shanghai Municipal Health CommissionZYKC2019031

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：397-405