使用机器学习算法识别重要症状并诊断甲状腺功能减退症患者

甲状腺功能减退症（HT）是世界上最常见的疾病之一，甲状腺激素产生不足。 由于临床症状差异很大，HT的定义主要是生化的。 99% 的原发性 HT 病例与甲状腺素 (T4) 和三碘甲状腺原氨酸 (T3) 激素缺乏有关。 甲状腺产生的 T4 和 T3 激素缺乏，会通过负反馈机制导致促甲状腺激素 (TSH) 的产生增加。

HT具有非特异性症状，如体重增加、疲劳、注意力不集中、抑郁、月经不调、便秘等，这些症状随年龄、性别等因素而变化。 自身免疫性甲状腺炎（桥本病）是这种疾病最常见的症状。

即使日常食物中含有足够的碘，全球 HT 的患病率为 2%。 2017 年在伊朗进行的一项队列研究显示，由于地理区域、老龄化、种族和碘摄入量等多种因素，甲状腺功能障碍的患病率显着增加，从 1.4 增加到 10.5。

血清胆固醇水平升高以及冠状动脉疾病和心血管死亡的风险是 HT 最常见的并发症。 HT的经济负担相当高，尤其是患有糖尿病、血液透析等其他基础疾病的患者。 临床上诊断原发性 HT 的常用方法是检查血清 TSH 浓度； TSH 和 T4 水平高于参考年龄范围的人被诊断为甲状腺功能减退症。 TSH 参考范围的上限通常随着成人年龄的增长而增加。

近年来，人工智能和机器学习技术越来越受到医学研究人员的关注。 医学中机器学习最有吸引力的功能是疾病预测和简单症状的诊断。 支持向量机（SVM）、决策树（DT）、随机森林（RF）和人工神经网络（ANN）等预测模型是最流行的机器学习方法之一。

由于目前HT的准确诊断是基于验血获得的TSH水平，这给患者带来了一定的费用负担和焦虑。 本研究的目的是首先使用三种统计机器学习方法（逻辑回归、决策树和随机森林）在没有 HT 症状史的新病例中诊断 HT。 诊断是使用内分泌学家识别的简单且广泛接受的 HT 视觉症状进行的。 其次，HT最重要的视觉特征可以帮助医生进行诊断，也使用决策树和随机森林方法进行排序。