基于动态k-NN算法的糖尿病与乳腺癌预测模型：提升医疗数据分类的精准性与效率

针对传统k-NN算法固定k值导致分类性能受限的问题，研究人员提出动态k-NN模型，通过自适应调整k值优化糖尿病（PIMA数据集）和乳腺癌（BCW数据集）的预测。实验显示，该模型准确率分别达81.17%和97.37%，F1分数为65.93%和92.5%，显著优于传统k-NN及其他ML算法（如SVM、RF），为早期疾病诊断提供了高效工具。

　　

论文解读

糖尿病和乳腺癌是全球范围内威胁人类健康的两大疾病。国际糖尿病联盟（IDF）数据显示，2021年全球糖尿病患者达5.37亿，而乳腺癌在2020年新增病例超过230万例。早期诊断是降低死亡率的关键，但传统方法依赖人工解读，效率低且易出错。机器学习（ML）技术为这一问题提供了新思路，其中k-近邻算法（k-NN）因其简单性和可解释性被广泛应用。然而，传统k-NN采用固定k值，难以适应医疗数据的局部特征差异，导致分类性能不稳定。

为解决这一瓶颈，马来西亚国立大学（Universiti Kebangsaan Malaysia）的研究团队开发了一种动态k-NN模型，通过动态调整k值提升分类精度。该研究以PIMA糖尿病和乳腺癌威斯康星（BCW）数据集为对象，对比了动态k-NN与传统k-NN及其他ML算法（如逻辑回归LR、随机森林RF）的性能差异。论文发表于《Computers in Biology and Medicine》，为医疗数据分类提供了创新性解决方案。

关键技术方法
研究采用动态k-NN算法，通过构建k值区间[1-60]并基于局部数据密度选择最优k值。数据预处理包括归一化和特征选择，以消除噪声并提升模型泛化能力。实验评估指标涵盖准确率、精确率、召回率、F₁分数及执行时间，对比了8种ML算法（如SVM、GB等）的性能。

研究结果

Related works
文献综述指出，现有ML模型（如SVM、RF）在疾病预测中表现优异，但固定k值的k-NN算法难以适应复杂医疗数据。动态参数调整被证明能显著提升模型性能。

Method
动态k-NN核心在于自适应k值选择：首先分析数据分布，通过交叉验证确定最优k值区间，再结合局部密度计算实时调整。数据预处理阶段采用Z-score归一化，特征选择基于方差分析（ANOVA）。

Results
在PIMA数据集中，动态k-NN准确率达81.17%，精确率83.33%，显著高于传统k-NN（74.5%）。BCW数据集中表现更优，准确率97.37%，召回率100%，F₁分数92.5%，且执行时间缩短20%。

Conclusion
动态k-NN模型通过自适应k值优化，在糖尿病和乳腺癌分类中展现出卓越性能。其创新性在于平衡了算法复杂度和分类精度，为临床决策提供了高效工具。未来可扩展至其他疾病预测领域。

重要意义
该研究不仅解决了传统k-NN的局限性，还为医疗AI的实时应用提供了新范式。动态调整策略可推广至其他ML算法，推动精准医疗发展。研究获马来西亚国立大学FRGS基金支持，体现了学术与临床结合的实践价值。