Predicting Thyroid Dysfunction Using Classical Machine Learning With Rigorous Statistical Evaluation

doi:10.1109/ACCESS.2026.3666210

Predicting Thyroid Dysfunction Using Classical Machine Learning With Rigorous Statistical Evaluation

2026-02-23

0

OA

AI

Khaled Mohammad Alomari

DOI：10.1109/ACCESS.2026.3666210

原文链接

原文求助

摘要

En 中文

甲状腺疾病是全球最常见的内分泌疾病之一，并对代谢、心血管和神经系统产生深远影响。早期诊断仍然具有挑战性，因为甲状腺功能减退和甲状腺功能亢进的临床表现缺乏特异性，症状发展缓慢，且实验室阈值在不同人群中存在差异。同时，诊断不足和延迟治疗会导致发病率、医疗成本增加和生活质量下降。机器学习（ML）为整合人口学、临床和实验室数据以支持临床医生在早期识别功能障碍提供了机会。我们重新分析了一个公开的甲状腺疾病队列，该队列包含377例甲状腺功能正常的病例和61例涵盖临床及亚临床甲状腺功能亢进和甲状腺功能减退的病例。尽管样本量有限且存在严重的类别不平衡（最小类别 $n=7$ ），但我们的方法严谨，为未来工作提供了透明的基线。经过严格的预处理（包括缺失值插补、独热编码和标准化）后，我们采用分层嵌套交叉验证（外部五折用于性能估计；内部交叉验证用于超参数调优）评估了六种经典分类器（逻辑回归、决策树、随机森林、支持向量机、 $k$ 近邻和朴素贝叶斯）。通过类别权重逆反和合成少数过采样（SMOTE/SMOTE–NC）仅应用于训练折来缓解类别不平衡，以防止信息泄露。超参数通过随机搜索进行调优，最佳模型通过Platt缩放和等分回归进行校准。性能以各指标在折间的均值±标准差进行总结，包括准确率、宏精确率、宏召回率、宏F1分数、微平均和宏平均受试者工作特征曲线下面积、Brier分数和预期校准误差。随机森林在该特定数据集上实现了最高的宏平均ROC曲线下面积（ $0.99\pm 0.01$ ）和平衡准确率，而逻辑回归和支持向量机表现具有竞争力。然而，鉴于样本量小和严重的类别不平衡，这些结果在临床应用前需在更大、独立的队列中进行验证。DeLong和McNemar检验的统计比较证实，随机森林在 $\alpha =0.05$ 水平上显著优于其他模型。本研究并非提出新的模型架构，而是为该数据集上的经典机器学习提供了一个透明、防信息泄露且统计严谨的基线。最后，我们讨论了方法学选择、局限性及伦理考量，并将本研究结果置于近期研究背景中进行阐述。

Keyword:

Thyroid dysfunction

machine learning

class imbalance

cross–validation

calibration

interpretability

statistical analysis

Predicting Thyroid Dysfunction Using Classical Machine Learning With Rigorous Statistical Evaluation

摘要

期刊

机构

引用论文