
-
生物通官微
陪你抓住生命科技
跳动的脉搏
用于预测MASLD患病率的全面且低成本的机器学习模型:Amol队列研究(AmolCS)的横断面证据
《Journal of Health, Population and Nutrition》:Comprehensive and low-cost machine learning models for predicting MASLD prevalence: cross-sectional evidence from the amol cohort study (AmolCS)
【字体: 大 中 小 】 时间:2026年07月07日 来源:Journal of Health, Population and Nutrition 2.4
编辑推荐:
摘要代谢功能障碍相关脂肪性肝病(MASLD)正在成为日益严重的全球健康问题,但尤其是在资源匮乏的地区,其早期检测仍然十分困难。本研究旨在利用传统指标以及无创、低成本的预测因子,构建一个可解释的机器学习模型,用以评估普通人群患MASLD的概率。研究共纳入3120名成年人的数据,将其
代谢功能障碍相关脂肪性肝病(MASLD)正在成为日益严重的全球健康问题,但尤其是在资源匮乏的地区,其早期检测仍然十分困难。本研究旨在利用传统指标以及无创、低成本的预测因子,构建一个可解释的机器学习模型,用以评估普通人群患MASLD的概率。研究共纳入3120名成年人的数据,将其分为训练集(n?=?2,184)和测试集(n?=?936)。研究人员使用了包括随机森林、梯度提升机、基于核的支持向量机、k最近邻算法、神经网络以及递归分割法在内的六种机器学习算法,并通过标准性能指标对它们进行评估。同时,还借助SHapley加性解释方法来分析模型的可解释性。此外,研究还按性别对数据进行了分层分析,以探究不同性别在预测因子作用上的差异。在包含所有变量的模型中,随机森林和梯度提升机的表现最为出色(AUC值分别为0.858和0.855)。SHAP分析表明,脂肪肝指数、肝脂肪变性指数以及腰围和与肥胖相关的指标是影响MASLD概率的主要因素。在不同性别中存在差异,女性而言,空腹血糖和舒张压等代谢指标的作用更为显著;而男性则更多受肝脏标志物和血脂相关指标的影响。在仅使用无创、低成本预测因子的简化模型中,腰围在所有亚组中都是最主要的决定因素,其次是舒张压、年龄以及健康生活方式评分。这些研究结果凸显了内脏脂肪堆积和代谢功能障碍与MASLD之间的关联,同时也表明,基于容易获取的指标构建的模型能够区分该群体中是否患有MASLD的人,这为在资源有限的环境中开展大规模筛查提供了可行性依据。
代谢功能障碍相关脂肪性肝病(MASLD)正在成为日益严重的全球健康问题,但尤其是在资源匮乏的地区,其早期检测仍然十分困难。本研究旨在利用传统指标以及无创、低成本的预测因子,构建一个可解释的机器学习模型,用以评估普通人群患MASLD的概率。研究共纳入3120名成年人的数据,将其分为训练集(n?=?2,184)和测试集(n?=?936)。研究人员使用了包括随机森林、梯度提升机、基于核的支持向量机、k最近邻算法、神经网络以及递归分割法在内的六种机器学习算法,并通过标准性能指标对它们进行评估。同时,还借助SHapley加性解释方法来分析模型的可解释性。此外,研究还按性别对数据进行了分层分析,以探究不同性别在预测因子作用上的差异。在包含所有变量的模型中,随机森林和梯度提升机的表现最为出色(AUC值分别为0.858和0.855)。SHAP分析表明,脂肪肝指数、肝脂肪变性指数以及腰围和与肥胖相关的指标是影响MASLD概率的主要因素。在不同性别中存在差异,女性而言,空腹血糖和舒张压等代谢指标的作用更为显著;而男性则更多受肝脏标志物和血脂相关指标的影响。在仅使用无创、低成本预测因子的简化模型中,腰围在所有亚组中都是最主要的决定因素,其次是舒张压、年龄以及健康生活方式评分。这些研究结果凸显了内脏脂肪堆积和代谢功能障碍与MASLD之间的关联,同时也表明,基于容易获取的指标构建的模型能够区分该群体中是否患有MASLD的人,这为在资源有限的环境中开展大规模筛查提供了可行性依据。
生物通微信公众号