基于机器学习探索数字划消测验用于学习障碍快速筛查的研究

目的 基于机器学习探索数字划消测验用于学习障碍(LD)快速筛查的可行性研究,为探索LD的快速筛查提供新的研究思路和工具.方法 利用数字划消测验,2020年9月—2021年3月对南京市区随机选取的414名7～12岁儿童进行调查,首先获得数字划消测验的18个观察指标;将这些观察指标作为特征,探索利用7种经典的机器学习算法(包括线性判别分析、朴素贝叶斯、K近邻、神经网络、支持向量机、决策树和随机森林),实现对学习障碍3种亚型的分类;比较不同机器学习算法的分类性能,以从中选出推荐算法.结果 在7种经典的机器学习算法中,随机森林的优势突出,其准确率和曲线下面积(AUC)值分别达0.83和0.92.结论 借助随机森林算法,利用数字划消测验(只需2min就可完成)可以实现对学习障碍的快速筛查,进一步证实机器学习应用于疾病预测的可行性.