Giải mã chứng mất ngủ qua mô hình học máy

Một nghiên cứu mới của Samuel Y. Huang (Trường Y, ĐH Virginia Commonwealth) và Alexander A. Huang (Trường Y ĐH Northwestern Feinberg), mô hình học máy có thể dự đoán hiệu quả nguy cơ mắc chứng rối loạn giấc ngủ của bệnh nhân bằng cách sử dụng dữ liệu nhân khẩu học và lối sống, kết quả khám sức khỏe và xét nghiệm. Rối loạn giấc ngủ là một yếu tố nguy cơ đáng kể đối với bệnh tiểu đường, tim mạch, béo phì và trầm cảm.

Một nghiên cứu mới của Samuel Y. Huang (Trường Y, ĐH Virginia Commonwealth) và Alexander A. Huang (Trường Y ĐH Northwestern Feinberg), mô hình học máy có thể dự đoán hiệu quả nguy cơ mắc chứng rối loạn giấc ngủ của bệnh nhân bằng cách sử dụng dữ liệu nhân khẩu học và lối sống, kết quả khám sức khỏe và xét nghiệm. Rối loạn giấc ngủ là một yếu tố nguy cơ đáng kể đối với bệnh tiểu đường, tim mạch, béo phì và trầm cảm.

Các nhà nghiên cứu đã sử dụng mô hình học máy XGBoost để phân tích dữ liệu có sẵn công khai về 7.929 bệnh nhân ở Hoa Kỳ. Dữ liệu chứa 684 biến số cho mỗi bệnh nhân về nhân khẩu học, chế độ ăn uống, tập thể dục và sức khỏe tâm thần, cũng như thông tin xét nghiệm và kiểm tra thể chất.

2.302 bệnh nhân trong nghiên cứu được bác sĩ chẩn đoán mắc chứng rối loạn giấc ngủ. XGBoost có thể dự đoán nguy cơ rối loạn giấc ngủ với độ chính xác cao (AUROC=0,87, độ nhạy=0,74, độ đặc hiệu=0,77), sử dụng 64 trong tổng số các biến có trong bộ dữ liệu đầy đủ. Dựa trên mô hình học máy, các yếu tố dự báo chính xác nhất cho chứng rối loạn giấc ngủ là trầm cảm, cân nặng, tuổi tác và vòng eo.

Các tác giả kết luận rằng phương pháp học máy có thể là những bước đầu tiên hiệu quả trong việc sàng lọc bệnh nhân về nguy cơ rối loạn giấc ngủ mà không cần dựa vào phán đoán hoặc sự thiên vị của bác sĩ.

ĐÔNG NGHI

(Nguồn: MedicalXpress)