预印本 · 医学生信与数据分析· Akwetey BY, Lawluvi EY, Equagoo TT, Kumako S, Tsinyo EA, Kumi RT, Mensah IR, Amedume FS, Avuetor E, Adikah CE, Mensah W, Botuo JN.·· 1 天前AI 评分35
基于加纳医院人群全血细胞计数的机器学习慢性肾脏病检测及集成网页应用
Machine Learning Based Detection of Chronic Kidney Disease using Full Blood Count from a Ghanaian Hospital Population with an Integrated Web Application
AI 导读
加纳一项155例患者研究显示，基于全血细胞计数的机器学习可识别慢性肾脏病，但性能明显受SMOTE应用时机影响。划分训练集与测试集前应用SMOTE时，随机森林准确率为83.9%；仅在训练折内重采样时，39例未见患者的准确率为61.5%，AUC为0.604。模型已部署为NephroScan GH网页应用，可解释每次预测。
来源：预印本 · 医学生信与数据分析 · doi.org