机器学习在医药统计中的疾病预测研究

李 文博
西交利物浦大学

摘要


疾病风险预测以其在疾病防控和治疗等方面突出的临床意义一直是医疗卫生领域关注的重要研究课题，传
统的基于病例队列研究的疾病预测方法耗时冗长、人力、物力投入巨大，难以满足服务临床应用的需求。随着医疗
数据的迅速增长，以及机器学习技术的不断发展，基于统计学的疾病预测模型在医学研究和临床决策中发挥着越来
越重要的作用。本文深入探讨机器学习在医药类应用统计学中的重要作用，重点探讨疾病预测模型的构建流程，常
用算法和优化策略。本文通过回顾相关研究案例，总结当前疾病预测模型的挑战与未来发展趋势，供医学统计研究
者与临床医生参考。

关键词


医药统计学；机器学习；疾病预测；模型构建

全文:

PDF


参考


[1]张子旋.基于数据挖掘的中医治疗难治性痛风的

用药规律和作用机制研究[D].北京中医药大学，2023.

[2]蒋金金，周文君，丁世彬.Seminar法结合案例式

教学法在“实用医药统计学”教学中的应用及效果评价

[J].科学咨询，2024（10）：81-84.

[3]刘丽，刘海燕，严征，等.基于“混合式教（导）

+学”模式“医学统计学”课程思政教学研究与实践[J].

首都食品与医药，2024，31（16）：117-120.

[4]黄玉清，白婧.血清肿瘤标志物CA199，CA724，

CEA，CA242在胃癌诊断中的应用价值分析[J].中国科技

期刊数据库 医药，2023.

[5]Cao Y, Ju X, Chen X, et al.MCL-VD: Multi-modal

contrastive learning with LoRA-enhanced GraphCodeBERT

for effective vulnerability detection[J]. Automated Software

Engineering, 2025, 32(2): 67-67.

[6]Gil M J. Augmenting the Interpretability of

GraphCodeBERT for Code Similarity Tasks[J]. International

Journal of Software Engineering and Knowledge Engineering,

2025, 35(05):


Refbacks

  • 当前没有refback。