机器学习在非酒精性脂肪肝预测中的应用  

作　　者：蔡偌欣[1] 马亚楠[2] 闻德亮[1] 

机构地区：[1]中国医科大学健康科学研究院,110122 [2]中国医科大学公共卫生学院

出　　处：《中国卫生统计》2024年第2期316-318,共3页Chinese Journal of Health Statistics

基　　金：国家重点研发计划“重大慢性非传染性疾病防控研究”重点专项(2018YFC1311600)。

摘　　要：非酒精性脂肪肝(nonalcoholic fatty liver disease,NAFLD)是全球最常见的慢性肝病,普通成人NAFLD患病率在6.3%~45%,我国内地一般人群中患病率为29.81%,在肥胖和2型糖尿病人群中发病率更高,会高达90%。通过运用典型机器学习算法来构建非酒精性脂肪肝的风险预测模型,在肝病研究领域中是比较先进的。本文所归纳的7种典型机器学习算法在数据挖掘领域中是比较成熟且稳定的,在各项数据研究当中,基于预测结果的准确率,验证了各个模型的有效性和可行性,为脂肪肝疾病预测提供了基于数据科学的研究方法。

关 键 词：非酒精性脂肪肝 机器学习 预测模型 

分 类 号：R575.5[医药卫生—消化系统]