机器学习模型助力帕金森病诊断

帕金森病是阿尔茨海默病后最常见的神经退行性疾病，但目前诊断主要依赖主观临床评估。一项发表于medRxiv的预印本研究提出了基于异质性风险因素的数据驱动方法，系统比较了六种机器学习模型对帕金森病患者的分类能力。

研究评估了支持向量机、随机森林、极限梯度提升、逻辑回归、K近邻和决策树六种算法。结果显示，支持向量机模型在区分帕金森病患者方面优于所有其他模型，表现出最高的区分能力。

该研究为帕金森病的客观诊断提供了新的数据驱动思路，但作为预印本研究，其结论尚未经过同行评审，需进一步验证。