跳到正文
原文
medRxiv 预印本· Esteban-Medina, A., Loucera, C., Dopazo, J., Romero Gomez, M. ·· 12 天前AI 评分40

可解释、经偏倚审计的机器学习模型从区域真实世界健康记录中识别未诊断的丙型肝炎

An explainable, bias-audited machine learning model to detect hidden hepatitis C from region-wide real-world health records

AI 导读

基于西班牙安达卢西亚人群健康数据库,研究人员开发了可解释的机器学习模型,仅用常规电子健康记录数据识别未诊断的HCV感染。在独立2024年人群代表性样本中,模型AUC达0.837,敏感性63.5%、特异性91.8%、阴性预测值99.6%,主要预测因子包括最低丙氨酸氨基转移酶、HIV感染、非烟草物质依赖和血小板计数。该模型在接近真实人群患病率的条件下完成评估,偏倚审计未牺牲可解释性。

来源:medRxiv 预印本 · medrxiv.org