Articolo metodologico

Diagnosi precoce dell'ipotiroidismo nella provincia orientale dell'Arabia Saudita utilizzando tecniche di intelligenza computazionale

177 visualizzazioni

⸱

DOI:

10.3791/70065

⸱

22 maggio 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Computer Engineering, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, 2Department of Data Science and Artificial Intelligence, Faculty of Computing, Adekunle Ajasin University, 3Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, 4Department of Computer Science, Kettering University, 5Department of Information Technology, School of Engineering and Technology, Nagaland University

In questo articolo

Sommario

Questo studio indaga quattro algoritmi di apprendimento automatico: K-vicini più prossimi (KNN), macchina a vettori di supporto (SVM), extreme gradient boosting (XGBoost) e un classificatore di ensemble soft voting nella diagnosi proattiva dell'ipotiroidismo. Gli algoritmi sono stati selezionati sulla base di una revisione critica della letteratura e impiegati su un dataset raccolto localmente dall'Arabia Saudita.

Abstract

L'ipotiroidismo è una delle condizioni mediche più comuni ma anche sottodiagnosticate in Arabia Saudita. È più diffusa nelle donne anziane e in gravidanza, così come nei pazienti con diabete e apnea notturna. L'ipotiroidismo si caratterizza per la produzione insufficiente di ormoni tiroidei da parte della ghiandola tiroidea, che potrebbero portare ad altre malattie croniche se non trattate. Per questo motivo, questo studio propone tecniche di machine learning per diagnosticare preventivamente questa malattia utilizzando un semplice dataset clinico proveniente dall'Arabia Saudita. Data la dimensione dei dati, questo lavoro funge da prova di concetto. Algoritmi come KNN, SVM, Gradient boosting e soft voting ensemble classifier sono stati scelti per le loro promettenti prestazioni nella diagnosi proattiva dell'ipotiroidismo e delle malattie associate rispetto ad altri algoritmi presenti in letteratura. Il modello con le migliori prestazioni è stato il classificatore di ensemble con voto morbido, che ha raggiunto una precisione del 94,7%. SVM, KNN e XGBoost hanno raggiunto rispettivamente accuratezze del 94%, 93,42% e 92,1%. Questi risultati sono stati ottenuti utilizzando la validazione incrociata a 10 volte e la selezione sequenziale delle caratteristiche in forward.

Introduzione

La disfunzione tiroidea (TD) è una delle malattie endocrine croniche più comuni, con una prevalenza variabile tra lepopolazioni 1. I due disturbi più comuni delle ghiandole tiroidei sono l'ipotiroidismo e l'ipertiroidismo. L'ipotiroidismo è una condizione diffusa che deriva da una produzione insufficiente di ormoni tiroidei. Sebbene generalmente sia gestibile con il trattamento, nei casi gravi può essere fatale se non viene affrontata. I sintomi più comuni dell'ipotiroidismo negli adulti includono stanchezza, stitichezza, letargia, aumento di peso, pelle secca e cambiamenti della voce. Tuttavia, le presentazioni cliniche possono variare in base all'età, al genere e ad altrifattori 3. Si riporta che la malattia colpisce il 5% della popolazione generale e un ulteriore 5% rimane non diagnosticato, mentre il 99% di questi pazienti soffre di ipotiroidismo primario. È diffusa negli Stati del Golfo Arabico, anche se spesso rimanesottodiagnosticata 4. L'ipotiroidismo congenito colpisce circa uno su 3.450 neonati in Arabia Saudita. Altri studi trasversali focalizzati esclusivamente sulle donne hanno riportato tassi di prevalenza più elevati, che variavano dal 13% al 35%5. Inoltre, dimostrando che le femmine sono più suscettibili deimaschi 6. L'ipotiroidismo, se non trattato, può portare a dislipidemia, deficit cognitivo, ipertensione, infertilità e disfunzioneneuromuscolare 7. Di conseguenza, questo studio mira a impiegare metodi di machine learning per diagnosticare proattivamente l'ipotiroidismo utilizzando un dataset del King Fahad Specialist Hospital (KFUH) di Dammam, Arabia Saudita.

L'ipotiroidismo può essere difficile da diagnosticare perché i sintomi spesso vengono scambiati per quelli di altremalattie 8. Inoltre, una diagnosi tardiva di ipotiroidismo può influire negativamente sulle capacità intellettive di unpaziente 9. Il test dell'ormone stimolante della tiroide (TSH) è il metodo diagnostico più utilizzato per rilevare l'ipotiroidismo9. Tuttavia, l'arrivo di approcci, strategie e strumenti di intelligence artificiale e machine learning ha contribuito a risolvere problemi diagnostici e prognostici in varie aree mediche. L'ML viene utilizzato per valutare l'importanza dei fattori clinici e delle loro combinazioni per la prognosi, come la previsione della progressione della malattia, l'estrazione di conoscenze mediche per la ricerca sugli esiti, la pianificazione e il supporto terapeutico, e la cura complessiva del paziente10. Con grandi volumi di dati medici disponibili, i medici dispongono ora di una risorsa preziosa per scoprire nuove conoscenze potenzialmente preziose attraverso il machinelearning 11,12.

Utilizzando un semplice dataset clinico proveniente dal dataset saudita, questo studio mira ad assistere gli operatori sanitari del paese nella diagnosi precoce dell'ipotiroidismo e a implementare questo sistema predittivo in ospedali con risorse e attrezzature informatiche limitate. Inoltre, studi precedenti in questo campo non hanno utilizzato il dataset saudita. Questo rappresenta un'opportunità per integrare il dataset saudita insieme a ricerche precedenti. Gli studi hanno utilizzato un dataset saudita per prevedere rispettivamente malattie renali, diabete, tiroide e Alzheimer, raggiungendo un'altaaccuratezza 13,14,15. Questa esperienza motiva l'applicazione di questi metodi ad altre malattie in Arabia Saudita. Gli studi sono tra gli ultimi lavori nel campo medico (16,17,18,19).

Lo studio proposto discute l'implementazione di tecniche di machine learning su un semplice dataset clinico saudita per l'ipotiroidismo, al fine di prevedere la presenza della malattia prima che diventi completamente sintomatica. L'obiettivo è sviluppare un sistema basato su machine learning che fornisca avvisi precoci di un possibile episodio di ipotiroidismo. Renderà inoltre più facile per gli ospedali locali con attrezzature limitate utilizzare questo sistema diagnostico. Questo studio è il primo a esaminare questa malattia utilizzando il dataset saudita, concentrandosi sulla fase pre-sintomatica. Il dataset copre una vasta popolazione di pazienti ospedalieri locali sauditi, con una fascia d'età ampia e un mix di casi positivi e negativi di ipertiroidismo.

Questo studio ha utilizzato quattro algoritmi di apprendimento automatico: support vector machine (SVM), K-nearest neighbors (KNN), eXtreme gradient boosting (XGBoost) e un classificatore di ensemble soft voting composto da SVM e KNN. Ognuno dei quattro algoritmi ha dimostrato le proprie capacità nel campo medico. L'algoritmo KNN è stato selezionato per la sua semplicità e per aver raggiunto una precisione del test del 77,5% nella diagnosi preventiva di diabete mellito (DM)20. Contemporaneamente, SVM è stata scelta per la sua robustezza21, ed è stata recentemente utilizzata per prevedere il rischio di mortalità nei pazientiCOVID-19 22. Inoltre, XGBoost è stato selezionato per la sua forte performance23, raggiungendo un punteggio predittivo accurato del 94% per gli esiti di ipertensione, e è stato impigato lo stacking per migliorare i risultati degli algoritmi con le migliori prestazioni.  Inoltre, è stato utilizzato un classificatore per l'ensemble di votanti per identificare i disturbi della tiroide con una precisionedel 100% 24.

L'obiettivo principale del presente studio è la diagnosi precoce dell'ipotiroidismo in una popolazione saudita, utilizzando dati clinici originali di routine e algoritmi di machine learning all'avanguardia. Le quattro tecniche utilizzate in questo studio sono state implementate sulla piattaforma Jupyter utilizzando il linguaggio di programmazione Python, utilizzando il dataset sull'ipotiroidismo. È stata utilizzata una validazione incrociata a 10 volte con accordatura iperparametrica per migliorare le prestazioni. È stata quindi implementata una selezione sequenziale delle caratteristiche con una tecnica di selezione anticipata, portando il classificatore dell'ensemble a votare a raggiungere la massima accuratezza del 94,7%. SVM, KNN e XGBoost, rispettivamente, lo seguirono. Per quanto riguarda il richelo, il classificatore di ensemble con voto morbido ha ottenuto il punteggio più alto con il 95,5%. Nel complesso, il modello ottimale per la diagnosi preventiva dell'ipotiroidismo è stato il classificatore di ensemble a voto morbido, che ha raggiunto il punteggio più alto in tutte le misure di performance valutate in questo studio.

Sono stati condotti diversi studi sulla diagnosi dei disturbi generali della tiroide e sull'implementazione della tecnologia, in particolare l'apprendimento automatico, come soluzione assistita da computer. LSTM-CNN, AlexNet, i modelli di deep learning modificati GoogLeNet, IndRNN–CNN e ResNet adattati sono stati utilizzati tramite spettroscopia Raman per distinguere campioni sierici da 32 pazienti con ipotiroidismo, 38 pazienti con ipertiroidismo e 29 soggetti di controllo. Il loro modello ha ottenuto una precisione dell'84%, 91%, 75%, 82% e 71%,rispettivamente 25%.

Algoritmi di machine learning come SVM, KNN, regressione logistica e foresta random sono stati utilizzati per prevedere l'incidenza dell'ipotiroidismo indotto da radiazioni nei pazienti con carcinomanasofaringeo 26. Il loro modello ha raggiunto un valore AUC di 0,7. Inoltre, gli autori hanno utilizzato vari algoritmi di apprendimento automatico per prevedere la tendenza del trattamento dei pazienti con ipotiroidismo sottoposti a LT4. Tra 10 classificatori, il classificatore extra-tree ha raggiunto la massima accuratezza dell'84%.

In un altro studio, gli autori hanno creato e testato una strategia di apprendimento automatico per identificare persone con ipertiroidismo e ipotiroidismo che avrebbero beneficiato di un trattamento medicoimmediato 27. Hanno implementato alberi decisionali di gradiente boosting (GBDT), SVM, ANN e algoritmi di regressione logistica. I loro modelli hanno ottenuto rispettivamente un AUROC del 93,8% e del 90,9% per ipertiroidismo e ipotiroidismo. In un altro studio, gli autori hanno utilizzato il machine learning per rilevare disturbi della tiroide, che comprendono ipotiroidismo e ipertiroidismo. I loro modelli includevano SVM, ANN, KNN, regressione logistica e albero decisionale, con la massima accuratezza del 96,92% raggiunta dalla RegressioneLogistica 28. Recentemente, un gruppo di ricercatori ha applicato diversi metodi, tra cui SVM, albero decisionale, Naïve Bayes e ensemble, per prevedere e rilevare l'ipotiroidismo. L'albero decisionale ha raggiunto la massima accuratezza, con il 97,6%29. Un altro studio ha applicato l'algoritmo di Naïve Bayes basato sul kernel ibrido dell'evoluzione differenziale per ridurre da 21 a 10 le caratteristiche di un dataset tiroideo di ipertiroidismo e ipotiroidismo. Successivamente hanno applicato il classificatore Naïve Bayes basato sul kernel al sottoinsieme delle caratteristiche, raggiungendo una precisione del 97,97%30. Allo stesso modo, in un altro studio, gli autori hanno utilizzato diversi algoritmi di apprendimento automatico per prevedere il rischio di malattie tiroidee sul dataset di malattie eutiroide della California University. Il loro esperimento dimostrò che l'ANN superava tutti gli altri metodi, raggiungendo una precisione del 95%31. Inoltre, Jha et al. hanno utilizzato tecniche proposte di aumento delle caratteristiche basate su reti neurali profonde per prevedere le malattie tiroidee, raggiungendo un'eccezionale accuratezza del 99,95%32.

Secondo la letteratura precedente, è stato utilizzato un insieme omogeneo di voto con selezione multipla di attributi per identificare le malattie tiroidee, impiegando i seguenti algoritmi: foresta casuale, gradient boosting, albero decisionale e regressione logistica, ottenendo una precisionedel 100% 24. Inoltre, gli autori hanno applicato il modello di machine di apprendimento estremo al dataset open-access sull'ipotiroidismo su Kaggle, raggiungendo una precisione del 92%. Il dataset conteneva 3772 campioni: 3481 ipotiroidei e gli altrinegativi 33. Recentemente, in uno studio, gli autori hanno utilizzato CART in sacchetto per classificare l'ipotiroidismo. Il loro modello proposto ha raggiunto un'impressionante accuratezza del 99,9%. Inoltre, T4U, TSH e TBG sono stati identificati come i fattori più significativi associati all'ipotiroidismo34. In un altro studio, gli autori hanno proposto e confrontato diversi modelli di machine learning e deep learning, in cui l'albero decisionale e la foresta casuale hanno raggiunto rispettivamente una precisione del 99,5% e del 99,3%. Hanno utilizzato un dataset Weka contenente 30 attributi e 3772campioni 35.

Questa breve revisione della letteratura dimostra che, sebbene la maggior parte dei metodi impiegati abbia ottenuto risultati da buoni a eccellenti, nessuno ha utilizzato un semplice dataset clinico proveniente dall'Arabia Saudita. È stato inoltre osservato che la maggior parte delle pubblicazioni in esame utilizzava dataset di imaging, il che aumentava il lavoro necessario per la raccolta dei dati e aumentava la difficoltà nell'applicare modelli molto complessi creati da persone non tecniche. Inoltre, la maggior parte di questi studi è stata condotta su disturbi generali della tiroide, con pochissime pubblicazioni che enfatizzassero l'ipotiroidismo. Questa situazione offre l'opportunità di indagare modelli di machine learning di base su un semplice dataset clinico proveniente dal dataset saudita, per assistere gli ospedali locali con attrezzature informatizzate limitate nella diagnosi preventiva della malattia.

La breve introduzione agli algoritmi indagati nello studio attuale è fornita nel Supplementary File 1. I quattro algoritmi sono K-Nearest Neighbor (KNN)36,37,38,39,40, Support Vector Machine (SVM)41,42,43,44,45, Extreme Gradient Boosting (XGBoost)46,47,48 e l'ensemble divotazione 49,50.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

1. Metodologia

NOTA: Come descritto nella Tabella dei Materiali, l'esperimento per questa ricerca è stato condotto in Python su Jupyter Notebook, utilizzato per sviluppare modelli di machine learning per la diagnosi preventiva dell'ipotiroidismo. Microsoft Excel e la libreria Python Scikit-Learn sono stati utilizzati nella fase di preprocessing. Sono stati poi utilizzati K-nearest neighbor (KNN), support vector machine (SVM), extreme gradient boosting (XGBoost) e un classificatore di ensemble soft voting composto da KNN e SVM per addestrare il dataset, con GridSearchCV e validazione incrociata 10-fold per ottenere iperparametri ottimali. Inoltre, l'importanza delle caratteristiche per ciascun classificatore veniva tracciata usando l'importanza delle permutazioni.

  1. Impiega la selezione sequenziale delle caratteristiche utilizzando la tecnica di inoltro della libreria mxl-tend.
  2. Applicare il selettore sequenziale di caratteristiche a tutti i modelli utilizzando la validazione incrociata a 10 volte per selezionare il miglior sottoinsieme di caratteristiche.
  3. Valuta la precisione media, il richiamo, la precisione, il punteggio F1 e la perdita logaritmica di tutti i modelli creati tramite validazione incrociata a 10 volte per identificare il modello migliore.
  4. Inoltre, genera matrici di confusione e aree sotto le curve AUROC (caratteristiche operative del ricevitore) per ogni modello usando iperparametri ottimali e il sottoinsieme delle caratteristiche migliori.
  5. Convalida i risultati diagnostici da un team di tre esperti in otorinolaringoiatria, medicina generale e radiologia. La Figura 1 delinea il quadro per i risultati sperimentali.

figure-protocol-1
Figura 1: Quadro sperimentale. Questo è il quadro sperimentale dello studio. Clicca qui per visualizzare una versione più grande di questa figura.

NOTA: Il dataset saudita sull'ipotiroidismo è stato ottenuto dal King Fahad Specialist Hospital (KFSH) a Dammam, Arabia Saudita. È un ospedale pubblico affiliato all'Università Imam Abdulrahman bin Faisal (precedentemente nota come Università di Dammam). Dammam si trova nella provincia orientale e la maggior parte dei pazienti proviene dalla stessa regione. Con l'approvazione del comitato di revisione istituzionale (IRB), il dataset è stato raccolto durante le procedure standard di triage e gli studi in ospedale e registrato come cartelle cliniche dei pazienti (PHR) nel sistema di gestione ospedaliera, registrato negli anni 2020–2021. Il dataset contiene test clinici standard su 152 pazienti (100 femmine e 52 uomini), di età compresa tra 11 e 92 anni, di cui 89 sono stati positivamente diagnosticati con ipotiroidismo. Al contrario, i restanti 63 sono stati diagnosticati come privi di ipotiroidismo ma con altre malattie, come il morbo di Alzheimer. Il dataset aveva 483 attributi, che sono stati ridotti a 18 durante la pre-elaborazione rimuovendo attributi con valori mancanti superiori al 30%. La Tabella 1 delinea le caratteristiche utilizzate in questo studio.

CaratteristicheDescrizione 
EtàEtà in anni.
SessoMaschio o femmina.
Globuli Bianchi (WBC)Conteggio dei globuli bianchi.
TemperaturaTemperatura corporea in gradi Celsius (°C).
Globuli rossi (RBC)Conteggio dei globuli rossi.
PiastrineConteggio delle piastrine.
MPVVolume medio delle piastrine
Saturazione di ossigenoLa misurazione dell'ossigeno nel sangue (saturazione di ossigeno).
MCHEmoglobina corpuscolare media.
RDWLarghezza di distribuzione dei globuli rossi.
MCVVolume corporeo medio.
MCHCConcentrazione media di emoglobina corpuscolare
ImpulsoBattito cardiaco.
EmatocritoIl volume dei globuli rossi.
PA – SistolicaLa pressione sanguigna più alta.
EmoglobinaLivello di emoglobina nel sangue.
PA – DiastolicaLa pressione più bassa.
Frequenza respiratoriaFrequenza respiratoria al minuto.

Tabella 1: Descrizione del dataset. Questa tabella presenta il dataset descrittivo.

2. Analisi statistica

NOTA: L'analisi statistica del dataset aiuta a visualizzare e comprendere il modello del dataset per una migliore pre-elaborazione e modellizzazione dei dati. La Tabella 2 mostra l'analisi statistica del dataset per la Malattia da Ipotiroidismo, confrontando i risultati nei gruppi HT e non HT.

  1. Per verificare se le caratteristiche demografiche sono squilibrate tra gruppi positivi e negativi, eseguire un'analisi statistica sul software SPSS (versione: 26.0, IBM, USA).
  2. Compilare i dati quantitativi utilizzando un test t a campione indipendente se la distribuzione normale e l'omogeneità della varianza fossero soddisfatte, oppure il test Man-Whitney U.
  3. Compila dati categorici usando il test chi-quadrato o il test esatto di Fisher.
VariabileIpotiroidismo (n = 89)Non ipotiroidismo (n = 63)valore t / UValore P
Età43.00 (33.00, 54.00)76.00 (70.00, 80.50)5.388< 0,001
Frequenza respiratoria20.00 (20.00, 20.00)20.00 (20.00, 21.50)2.5610.004
PA – Sistolica117.72 ± 16.46127.85 ± 17.773.3020.001
PA – Diastolica73.00 (68.00, 79.00)72.95 (65.00, 80.25)2.0760.892
Impulso79.09 ± 12.1982.35 ± 12.721.470.145
Temperatura36.60 (36.50, 36.80)36.70 (36.60, 36.90)2.5760.029
Saturazione di ossigeno99.00 (99.00, 100.00)99.00 (98.00, 99.00)1.0880.005
Ematocrito38.20 (35.88, 40.23)37.30 (31.30, 41.30)1.4710.318
Globuli rossi4.52 (4.26, 4.81)4.37 (3.81, 4.89)1.360.104
Emoglobina12.70 (11.70, 13.53)12.30 (10.00, 13.85)1.4810.345
RDW13.80 (13.38, 14.93)14.90 (13.80, 16.45)2.2120.002
MCV83,54 ± 6,8585.05 ± 8.531.0420.3
Piastrine261,23 ± 63,97223,62 ± 68,88−2.9450.004
MCHC33.60 (32.80, 34.02)33.20 (32.30, 34.00)1.3140.06
MCH28.00 (26.55, 29.57)28.10 (26.55, 30.20)1.780.468
MPV8,81 ± 0,878,79 ± 1,38−0,0740.941
Globuli Bianchi6.10 (4.80, 7.43)7.20 (5.70, 8.90)2.0750.017

Tabella 2: Analisi statistica delle caratteristiche. Questa tabella mostra l'analisi statistica delle caratteristiche sia nei gruppi HT che in quelli non-HT. Abbreviazioni; HT = ipotiroidismo.

NOTA: Nella Tabella 2, i gruppi HT e non HT sono significativamente diversi per età, frequenza respiratoria, pressione sistolica, temperatura, saturazione, RDW, piastrine e globuli bianchi. Pertanto, le caratteristiche fisiologiche potrebbero essere utilizzate per differenziare i due gruppi.

3. Preprocessing dei dati

  1. Caricamento dei dati CSV grezzi. Il dataset utilizzato per questo studio è in formato CSV. Per prima cosa, il file CSV veniva importato nel suo formato grezzo. È riportato di seguito:
    clean_data = pd. DataFrame (normalizzato, colonne=['sesso', 'Età', 'Polso', 'BP - Sistolico', 'BP - Diastolica', 'Temperatura', 'Frequenza respiratoria', 'MCV', 'MCH', 'EMATOCRITO', 'GLOBULI BIANCHI', 'EMOGLOBINA', 'GLOBULI ROSSI', 'RDW', 'PIASTRINE', 'MPV', 'SATURAZIONE DI POLSOMETRIA', 'Descrizione'])
  2. Eseguire la pre-elaborazione dei dati, inclusa la rimozione degli outlier, la gestione dei valori mancanti e la normalizzazione, per migliorare la rappresentazione e l'accuratezza dei dati del modello.
  3. Usa Microsoft Excel per l'elaborazione iniziale del dataset, inclusa la rimozione degli outlier. Rimuovere gli valori anomali in 'Saturazione ossigerale', 'BP-Sistolico', 'Pressione Diastolica' e 'Frequenza Respiratoria' con un diagramma di scatter e sostituire con le rispettive medie.
  4. Trattamento dei valori mancanti
    L'importazione del dataset è stata importata in Python e pre-processata utilizzando le librerie NumPy, Pandas e Scikit-learn. Usa l'imputer KNN dalla libreria sklearn per gestire i valori mancanti.
    NOTA: Sono stati utilizzati la metrica euclidea e un valore del vicino più prossimo di 5. È riportato di seguito:
    imputer = KNNImputer(n_neighbors=5)
    dati = imputer.fit_transform(clean_data)
    scaler = MinMaxScaler()
    scaler.fit(data)
  5. Codifica le stringhe in binario.
    NOTA: Il valore intero uno rappresentava 'Positivo' e 'Femmina' rispettivamente in 'Descrizione' e 'Genere', mentre zero rappresentava 'Negativo' e 'Maschio' in 'Descrizione' e 'Genere', rispettivamente. Il dataset è stato poi scalato utilizzando il MinMaxScaler dalla libreria sklearn, mapponendo i valori nell'intervallo 0–1. È riportato di seguito:
    normalizzato = scaler.transform(data)

4. Costruzione e valutazione del modello

NOTA: Divisione dei dati per la validazione incrociata: Dopo vari esperimenti con diverse pieghe, la validazione incrociata a 10 volte si è rivelata ottimale ed è stata successivamente impiegata.

  1. Addestrare ogni modello con iperparametri specificati.
  2. Effettuare la selezione delle caratteristiche e ri-ri-allenare i modelli su caratteristiche selezionate.
    NOTA: Nello studio proposto è stata impiegata una tecnica di selezione sequenziale delle caratteristiche in avanti. I modelli venivano quindi ottimizzati per il miglior set di funzionalità. Per i passaggi 4.1–4.2, è stato distribuito il seguente segmento di codice:
    da sklearn.model_selection import train_test_split, GridSearchCV, StratifiedKFold
    kf = StratificatoKFold(n_splits=10,mescolato=Vero, random_state=1)
    Il gridearch ha usato la piega stratificata k con 10 spezzamenti e la precisione era la metrica di punteggio. Il codice qui sotto spiega come è stato eseguito con un esempio che utilizza SVM.
    parametri = {
    'nucleo': ['lineare', 'poli', 'rbf', 'sigmoide'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 100],
    'gamma': [1, 0,1, 0,01, 0,001, 0,0001]
    }svm = SVC(random_state = 1)
    svm_GS = GridSearchCV(svm,
    parametri,
    cv=kf,
    punteggio='accuratezza'
    )
    svm_GS.fit(X, y)
    fig = plot_cv_results(svm_GS.cv_results_, 'C', 'kernel')
    sfs1 = SFS(stimatore=svm,
    k_features=(1, 18),
    avanti=Vero,
    fluttuante=Falso,
    punteggio='precisione',
    cv=kf)
  3. Valuta le metriche di performance e scegli il modello finale.
    NOTA: Misura delle prestazioni: Questo studio ha utilizzato le misure di performance più utilizzate nella classificazione, ovvero: accuratezza, precisione, richiamo, F1–Score e perdita di log. Queste misure di performance sono brevemente descritte di seguito, insieme alle loro formule.
    Precisione (PR): Il numero di osservazioni veramente positive che appartengono al totale atteso di osservazioni positive. È data dalla formula:
    figure-protocol-2(1)
    Richiamo (RE): Rappresenta il numero di casi positivi effettivamente previsti come positivi. È data dalla formula:
    figure-protocol-3(2)
    Accuratezza (CA): Questa è la percentuale di previsioni corrette fatte dal modello. È data da:
    figure-protocol-4(3)
    Dove:
    Vero Positivo (TP): Numero di casi di ipotiroidismo correttamente classificati.
    Falso Positivo (FP): Numero di casi di ipotiroidismo classificati erroneamente.
    True Negative (TN): Numero di casi non ipotiroidisti correttamente classificati.
    Falso Negativo (FN): Numero di casi non ipotiroidici classificati erroneamente.
    F1–Punteggio: Questa è la media ponderata del richiamo e della precisione. È data da
    figure-protocol-5(4)
    Perdita logaritmica: Questo indica quanto la probabilità prevista corrisponde al valore reale reale. È
    è data dalla formula:
    figure-protocol-6(5)
    Dove N e M indicano rispettivamente il numero di campioni e caratteristiche, Yij indica se il icampione appartiene o meno alla jclasse Pij indica la probabilità che il iesimo campione appartenga alla jclasse J. Questo studio ha anche tracciato la caratteristica operativa del ricevitore (ROC), utile per prevedere la probabilità di un esito binario. Questo è stato fatto per aiutare a visualizzare le prestazioni dei modelli a varie impostazioni di soglia. Il ROC indica quanto un modello sia bravo a distinguere le classi.
  4. Strategia di ottimizzazione
    NOTA: L'ottimizzazione degli iperparametri non può essere sottovalutata per ottenere i migliori risultati in qualsiasi studio di machine learning. Questo studio ha utilizzato GridSearchCV con validazione incrociata stratificata a 10 volte per determinare gli iperparametri ottimali per ciascun modello. GridSearchCV è uno strumento per la perfezionamento dei parametri di un modello. Funziona passando in loop tutti i parametri forniti nella griglia dei parametri e selezionando le combinazioni migliori. La regolazione degli iperparametri è fondamentale per identificare la massima accuratezza in ogni modello. Gli iperparametri per ciascun modello, inclusi l'intervallo, il miglior valore e l'accuratezza che hanno prodotto, sono presentati nella Tabella 3.
AlgoritmoNome iperparametroIntervallo di iperparametriMiglior rapporto qualità-prezzoAccuratezza usando il miglior valore
K-NNMetrica'Minkowski', 'Manhattan', 'Euclideo'Minkowski84.21%
N_neighbors3, 5, 7, 9, 11, 135
SVMKernel'lineare', 'poli', 'rbf', 'sigmoide'lineare92.76%
Costo (C)1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 1009
Gamma1, 0.1, 0.01, 0.001, 0.00011
XGBoostN_estimators5,01,00,15,02,00,25020089.47%

Tabella 3: Iperparametro ottimale. Questo mostra l'iperparametro ottimale di ciascun modello.

Le Figure 2–4 presentano l'approccio della ricerca a griglia per la ricerca degli iperparametri per le tecniche KNN, SVM e XGBoost e come sono state implementate utilizzando tutte le funzionalità.

figure-protocol-7
Figura 2: Prestazioni KNN. Questa è la performance di KNN su diverse metriche e conteggi di vicini. Abbreviazioni; KNN = K vicino più prossimo. Clicca qui per visualizzare una versione più grande di questa figura.

figure-protocol-8
Figura 3: Prestazioni SVM. Queste sono le prestazioni di SVM con valori di Kernel e Funzione di Costo. Clicca qui per visualizzare una versione più grande di questa figura.

figure-protocol-9
Figura 4: Prestazioni XGBoost. Questa è la performance di XGBoost con diversi valori di Booster e N_estimator. Abbreviazioni; XGBoost = Aumento estremo del gradiente. Clicca qui per visualizzare una versione più grande di questa figura.

  1. Creare un classificatore soft voting per migliorare ulteriormente le prestazioni del modello combinando i migliori parametri ottenuti dai classificatori KNN e SVM. Comprende un classificatore KNN e due classificatori SVM.
  2. Sostituisci uno dei kernel della SVM con 'rbf', il secondo miglior kernel dopo 'lineare'.
  3. NOTA: I classificatori e i rispettivi iperparametri sono stati scelti perché hanno fornito le migliori prestazioni dopo molti tentativi ed errori su tutti i classificatori e i loro iperparametri. Inoltre, basandosi su una lunga storia di gestione di problemi diagnostici preventivi per varie malattie utilizzando dataset clinici raccolti in modo simile a quellidel 14,15, questa combinazione mostra una promettente accuratezza diagnostica, come ulteriormente dimostrato nelle sezioni sperimentali. La Tabella 4 mostra i classificatori utilizzati per il Soft Voting, i loro iperparametri e l'accuratezza prodotta.
AlgoritmoClassificatoriIperparametriAccuratezza
Classificatore di voto morbidoK-NNMetricaMinkowski
N_neighbors5
SVM1Kernellineare
Costo (C)988.81%
Gamma1
SVM2KernelRBF
Costo (C)9
Gamma1

Tabella 4: Iperparametri del classificatore di voto. Questo mostra la combinazione del classificatore di voto e gli iperparametri.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Prestazioni dei modelli
Le prestazioni dei quattro modelli creati in questo studio sono state confrontate e analizzate in base alla loro accuratezza, richiamo e test. L'algoritmo GridsearchCV è stato utilizzato per identificare il miglior iperparametro per ogni modello utilizzando tutte le caratteristiche. Le prestazioni di ciascun modello sono state valutate con una validazione incrociata stratificata di 10 volte. La Tabella 5 presenta i risultati de...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

In questo studio, vengono studiati algoritmi di machine learning su un dataset clinico saudita per sviluppare un modello diagnostico preventivo per l'ipotiroidismo. Furono creati quattro modelli: KNN, SVM, XGBoost e Soft Voting Ensemble Classifier. Tutti e quattro i modelli hanno identificato età e frequenza respiratoria come indicatori significativi nella diagnosi preventiva della malattia. Tra i quattro modelli, il Classificatore di Voto ha dimostrato prestazioni superiori su tutte le ...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Il dataset è stato ottenuto dall'ospedale tramite IRB-2020-09-429. Gli autori non hanno conflitti di interesse da segnalare riguardo allo studio attuale.

Ringraziamenti

Gli autori desiderano riconoscere il sostegno dei professionisti sanitari per la validazione dei risultati dello studio.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Laptop/MacchinaDellXPS9320RAM 16GB, 12ª generazione Intel(R) Core(TM) i7-1260P
Excel 365MicrosoftExcel 365Utilizzato per memorizzare dati grezzi in formato csv
Python 3.12.12Google colab Notebook Python 3.12.12Utilizzato per la formazione sulla costruzione di modelli & nbsp;
Numpy 2.0.2Google colab Notebook Numpy 2.0.2Utilizzato per la formazione sulla costruzione di modelli & nbsp;
Pandas 2.2.2Google colab Notebook Pandas 2.2.2Utilizzato per la formazione sulla costruzione di modelli & nbsp;
Sklearn 1.6.1Google colab Notebook Sklearn 1.6.1Utilizzato per la formazione sulla costruzione di modelli & nbsp;
Mlxtend 0.23.4Google colab Notebook Mlxtend 0.23.4Utilizzato per la formazione sulla costruzione di modelli & nbsp;
XGbbost 3.1.2Google colab Notebook XGbbost 3.1.2Utilizzato per la formazione sulla costruzione di modelli & nbsp;
SPSS IBM, USASklearn 1.6.1Utilizzato per l'analisi statica

Riferimenti

  1. Biondi, B., Kahaly, G. J., Robertson, R. P. Thyroid dysfunction and diabetes mellitus: two closely associated disorders. Endocr Rev. 40 (3), 789-824 (2018).
  2. Khan, A., Khan, M. M. A., Akhtar, S. Thyroid disorders, etiology and prevalence. J. Med. Sci. 2 (2), 89-94 (2002).
  3. Bianco, A. C. Hypothyroidism. Lancet. 390 (10101), 1550-1562 (2019).
  4. Chiovato, L., Magri, F., Carle, A. Hypothyroidism in context: where we’ve been and where we’re going. Adv. Ther. 36 (2), 47-58 (2019).
  5. Alzahrani, A. S., et al. Diagnosis and management of hypothyroidism in gulf cooperation council (GCC) countries. Adv. Ther. 37 (7), 3097-3111 (2020).
  6. Alhajri, A. H. M., Saleh Al Saad, A. M. S., Idrees, H., Hamednalla Mohamed, O. M., Mohammednoor, M., et al. Prevalence and risk factors of subclinical and overt hypothyroidism in Saudi Arabia: A Systematic Review. Cureus. 17 (6), e86336(2025).
  7. Gaitonde, D. Y., Rowley, K. D., Sweeney, L. B. Hypothyroidism: An update. Am. Fam. Physician. 86 (3), 244-251 (2012).
  8. Bianco, A. C. Emerging therapies in hypothyroidism. Annu. Rev. Med. 75, 307-319 (2024).
  9. Pulungan, A. B., Oldenkamp, M. E., Sarinus, A., Van Trotsenburg, P., Windarti, W., et al. Effect of delayed diagnosis and treatment of congenital hypothyroidism on intelligence and quality of life: an observational study. Horm. Res. Paediatr. 28 (4), 396-401 (2019).
  10. Musleh, D., Rahman, A., Almossaeed, H., Balhareth, F., Alqahtani, G., et al. AI-enabled diagnosis using YOLOv9: leveraging X-Ray image analysis in dentistry. Big Data Cogn. Comput. 10 (1), 16(2026).
  11. Alassaf, R. A., et al. Preemptive diagnosis of chronic kidney disease using machine learning techniques. International Conference on Innovations in Information Technology (IIT), Al Ain, United Arab Emirates, , 99-104 (2018).
  12. Rahman, A., Youldash, M., Alshammari, G., Sebiany, A., Alzayat, J., et al. Diabetic retinopathy detection: a hybrid intelligent approach. Comput. Mat. Contin. 80 (3), 4561-4576 (2024).
  13. Luca, M., Cimitile, M., Iammarino, M., Iammarino, M. Thyroid disease treatment prediction with machine learning approaches. Procedia Comput. Sci. 192, 1031-1040 (2021).
  14. Olatunji, S. O., Alansari, A., Alkhorasani, H., Alsubaii, M., Sakloua, R., et al. Preemptive diagnosis of Alzheimer's disease in the eastern province of Saudi Arabia using computational intelligence techniques. Comput. Intell. Neurosci. 2022, 5476714(2022).
  15. Olatunji, S. O., Alansari, A., Alkhorasani, H., Alsubaii, M., Sakloua, R., et al. A novel ensemble-based technique for the preemptive diagnosis of Rheumatoid Arthritis disease in the eastern province of Saudi Arabia using clinical data. Comput Math Methods Med. 2022, 2339546(2022).
  16. Rahman, A. Geo-spatial disease clustering for public health decision making. Informatica. 46 (6), 21-32 (2022).
  17. Gollapalli, M., Rahman, A., Kudos, S. A., Foula, M. S., Alkhalifa, A. M., et al. Appendicitis diagnosis: ensemble machine learning and explainable artificial intelligence-based comprehensive approach. Big Data Cogn. Comput. 8 (9), 108(2024).
  18. Youldash, M., Rahman, A., Alsayed, M., Sebiany, A., Alzayat, J., et al. Early detection and classification of diabetic retinopathy: a deep learning approach. AI. 5 (4), 2586-2617 (2024).
  19. Zagrouba, R., Khan, M. A., et al. Modelling and simulation of COVID-19 outbreak prediction using supervised machine learning. Comput. Mat. Contin. 66 (3), 2397-2407 (2021).
  20. Wu, X., et al. Top 10 algorithms in data mining. Knowl. Inf. Syst. 14 (1), 1-37 (2008).
  21. Chen, T., Guestrin, C. XGBoost: A Scalable tree boosting system. Proc. ACM SIGKDD, 1, 785-794 (2016).
  22. Atta-ur-Rahman,, Sultan, K., Naseer, I., Majeed, R., Musleh, D., et al. Supervised machine learning-based prediction of COVID-19. Comput. Mat. Contin. 69 (1), 21-34 (2021).
  23. Chang, W., et al. A machine-learning-based prediction method for hypertension outcomes based on medical data. Diagnostics. 9 (4), 178(2019).
  24. Akhtar, T., et al. Effective voting ensemble of homogenous ensembling with multiple attribute-selection approaches for improved identification of thyroid disorder. Electronics. 10 (23), 3026(2021).
  25. Li, Y., et al. Serum Raman spectroscopy combined with deep neural network for analysis and rapid screening of hyperthyroidism and hypothyroidism. Photodiagnosis Photodyn. Ther. 35, 102382(2021).
  26. Ren, W., et al. Dosiomics-based prediction of radiation-induced hypothyroidism in Nasopharyngeal Carcinoma patients. Phys. Medica. 89, 219-225 (2021).
  27. Hu, M., et al. Development and preliminary validation of a machine learning system for thyroid dysfunction diagnosis based on routine laboratory tests. Commun Med. 2 (1), 9(2022).
  28. Chaganti, R., Rustam, F., De La Torre Díez, I., Mazón, J. L. V., Rodríguez, C. L., et al. Thyroid disease prediction using selective features and machine learning techniques. Cancers. 14 (16), 3914(2022).
  29. Almahshi, H. M., Almasri, E. A., Alquran, H., Mustafa, W. A., Alkhayyat, A. Hypothyroidism prediction and detection using machine learning. IICETA, , 159-163 (2022).
  30. Geetha, K., Baboo, S. S. An empirical model for thyroid disease classification using evolutionary multivariate Bayesian prediction method. Glob. J. Comput. Sci. Technol. 16 (1), 1-10 (2016).
  31. Islam, S. S., Haque, S., Miah, M. S. U., Bin, T. Application of machine learning algorithms to predict the thyroid disease risk: an experimental comparative study. PeerJ Comput. Sci. 8 (1), e898 1-35 (2022).
  32. Jha, R., Bhattacharjee, V., Mustafi, A. Increasing the prediction accuracy for thyroid disease: a step towards better health for society. Wirel. Pers. Commun. 122 (2), 1921-1938 (2022).
  33. Cicek, I. B., Kucukakcali, Z. Classification of hypothyroid disease with extreme learning Machine Model. J. Cogn. Syst. 5 (2), 64-68 (2020).
  34. Res, A. M., Evren, B. Estimating hypothyroidism with the bagged CART model based on clinical dataset and identification of risk factors. Ann. Med. Res. 29 (10), 1189-1193 (2022).
  35. Guleria, K., Sharma, S., Kumar, S., Tiwari, S. Early prediction of hypothyroidism and multiclass classification using predictive machine learning and deep learning. Meas. Sensors. 24, 100482(2022).
  36. Bach, M. New undersampling method based on the kNN approach. Procedia Comput Sci. 207 (1), 3403-3412 (2022).
  37. Sajjad, M., Ismail, M., Atta-ur-Rahman,, et al. Generalized and open selection approaches for the population mean: accounting for non-response and measurement error in single-phase sampling. J Stat Theory Appl. 24, 394-411 (2025).
  38. Dash, S., Biswa, S., Banerjee, D., Rahman, A. Edge and fog computing in healthcare: a review. Scalable Computing: Practice and Experience. 20 (2), 191-205 (2019).
  39. Hantom, W. H., Rahman, A. Arabic spam tweets classification: A comprehensive machine learning approach. AI. 5 (3), 1049-1065 (2024).
  40. Arafat, H., Alfeilat, A., Hassanat, A. B. A., Lasassmeh, O., Tarawneh, A. S. Effects of distance measure choice on k-nearest neighbor classifier performance: a review. Big Data. 7 (4), 221-248 (2019).
  41. Brereton, R. G., Lloyd, G. R. Support vector machines for classification and regression. Analyst. 135 (2), 230-267 (2010).
  42. Musleh, D. A., Olatunji, S. O., Almajed, A. A., Alghamdi, A. S., Alamoudi, B. K., et al. Ensemble learning based sustainable approach to carbonate reservoirs permeability prediction. Sustainability. 15 (19), 14403(2023).
  43. Vapnik, V., Golowich, S. E., Ave, M., Hill, M. Support vector method for function approximation, regression estimation, and signal processing. NIPS'96: Proceedings of the 10th International Conference on Neural Information Processing Systems, , 281-287 (1996).
  44. Noble, W. S. What is a support vector machine? Nat. Biotechnol. 24 (12), 1565-1567 (2006).
  45. Sharifmousavi, S. S., Borhani, M. S. Support vector machine-based model for diagnosis of multiple sclerosis using the plasma levels of selenium, vitamin B12, and vitamin D3. Informatics Med. Unlocked. 20, 100382(2020).
  46. Brownlee, J. A Gentle introduction to XGBoost for applied machine learning. , MachineLearningMastery.com (2021).
  47. Chen, M., Liu, Q., Chen, S., Liu, Y., Zhang, C., et al. XGBoost-based algorithm interpretation and application on post-fault transient stability status prediction of power system. IEEE Access. 7 (1), 13149-13158 (2019).
  48. Alabbad, D. A., Ajibi, S. Y., Alotaibi, R. B., Alsqer, N. K., Alqahtani, R. A., et al. Birthweight range prediction and classification: a machine learning-based sustainable approach. Mach. Learn. Knowl. Extr. 6 (2), 770-788 (2024).
  49. Ahmed, M. I. B., Zaghdoud, R. A., Al-Abdulqader, M., Kurdi, M., Altamimi, R., et al. Ensemble machine learning based identification of adult epilepsy. Math. Model. Eng. Probl. 10 (1), 84-92 (2023).
  50. Manconi, A., Armano, G., Gnocchi, M., Milanesi, L. A soft-voting ensemble classifier for detecting patients affected by COVID-19. Appl. Sci. 12 (1), 7554(2022).
  51. Gollapalli, M., et al. A novel stacking ensemble for detecting three types of diabetes mellitus using a Saudi Arabian dataset: pre-diabetes, T1DM, and T2DM. Comput. Biol. Med. 147, 105757(2022).
  52. Rahman, A., Abbas, S., Gollapalli, M., Ahmed, R., Aftab, S., et al. Rainfall prediction system using machine learning fusion for smart cities. Sensors. 22 (9), 3504(2022).
  53. Alotaibi, S. M., Atta-ur-Rahman,, Basheer, M. I., Khan, M. A. Ensemble machine learning based identification of pediatric epilepsy. Comput. Mat. Contin. 68 (1), 149-165 (2021).
  54. Adnan Khan, M., Abbas, S., Atta, A., Ditta, A., Alquhayz, H., et al. Intelligent cloud-based heart disease prediction system empowered with supervised machine learning. Comput. Mat. Contin. 65 (1), 139-151 (2020).
  55. Sharma, R., Mahanti, G. K., Panda, G., Rath, A., Dash, S., et al. Comparative performance analysis of binary variants of FOX optimization algorithm with half-quadratic ensemble ranking method for thyroid cancer detection. Sci. Rep. 13 (1), 19598(2023).
  56. Ahmed, M. S., Rahman, A., AlGhamdi, F., AlDakheel, S., Hakami, H., et al. Joint diagnosis of pneumonia, COVID-19, and tuberculosis from chest x-ray images: a deep learning approach. Diagn. 13 (15), 2562(2023).
  57. Dalal, S., Lilhore, U. K., Faujdar, N., et al. Enhancing thyroid disease prediction with improved XGBoost model and bias management techniques. Multimed Tools Appl. 84, 16757-16788 (2025).
  58. Rahman, A. Solar panel surface defect and dust detection: deep learning approach. J. Imaging. 11 (9), 287(2025).
  59. Sadek, S. H., Khalifa, W. A., Azoz, A. M. Pulmonary consequences of hypothyroidism. Ann. Thorac. Med. 12 (3), 204-208 (2017).
  60. Haghbin, M., Razmjooei, F., Abbasi, F., Rouhie, R., Pourabbas, P., et al. Evaluation of the hematological parameters, inflammatory biomarkers, and thyroid hormones in hypothyroidism patients. BMC Res. Notes. 17 (1), 390(2024).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Diagnosi dell ipotiroidismoMachine Learningclassificatore soft votingalgoritmo SVMalgoritmo KNNGradient Boostingdataset clinicoselezione delle caratteristiche

Articoli correlati