MEDICINE & AI

タイトル：Integrating EPSOSA-BP neural network algorithm for enhanced accuracy and robustness in optimizing coronary artery disease prediction. 雑誌名：Sci Rep. 2024 Dec 28; 14(1): 30993. 概　要： 冠動脈疾患は、中高年層にとって深刻な健康脅威です。本研究では、粒子群最適化、シミュレーテッドアニーリング、粒子除去メカニズムを統合した先進的なBPニューラルネットワークアルゴリズムEPSOSA-BPを提案し、心疾患予測モデルの精度を向上させます。特徴選択の限界に対処するために、単一ホットエンコーディングと主成分分析を用いてモデルの特徴学習能力を強化しました。この方法は、UCIおよびKaggleデータセットでそれぞれ93.22%と95.20%の優れた精度を達成し、小規模なサンプルサイズでも卓越した性能を示しました。データ前処理と特徴選択技術の有効性はアブレーション実験によって検証されました。EPSOSAアルゴリズムは、収束速度において従来の最適化アルゴリズムを上回り、感度と特異度も向上しました。このモデルは、高リスク患者の早期特定を促進し、医療資源の最適利用に寄与する可能性があります。 方　法： 本研究では、EPSOSA-BPアルゴリズムを用いたコホート研究を行い、UCIおよびKaggleデータセットを対象にしました。特徴選択には単一ホットエンコーディングと主成分分析を使用し、データ前処理技術の効果を検証しました。主要評価指標は、予測精度であり、UCIデータセットで93.22%、Kaggleデータセットで95.20%の精度を達成しました。 結　果： EPSOSA-BPアルゴリズムは、UCIデータセットで93.22%、Kaggleデータセットで95.20%の予測精度を達成しました。アブレーション実験により、データ前処理と特徴選択技術の有効性が確認され、EPSOSAアルゴリズムは収束速度において従来のアルゴリズムを上回り、感度と特異度も改善されました。 結　論： EPSOSA-BPアルゴリズムは、冠動脈疾患の予測精度を高め、高リスク患者の早期特定を促進する可能性があります。技術的統合やデータ標準化の課題はあるものの、緊急時や地域保健サービスでの心疾患リスクの定期的なモニタリングにおいて有望です。