基于电子健康记录数据与机器学习的中老年女性骨质疏松两阶段筛查模型OA
针对中老年女性骨质疏松(osteoporosis,OP)患病率高而基层医疗机构筛查手段不足的问题,利用多中心电子健康记录数据与机器学习技术构建中老年女性骨质疏松两阶段筛查模型(integration of categorical boosting and attentive interpretable tabular learning for osteoporosis screenig,OP-CatNet).初步筛查阶段采用分类提升树(categorical boosting,CatBoost)模型基于个人健康数据进行骨质疏松初步筛查,准确率达到86.88%,敏感性为81.19%,特异性为88.71%,显示出良好的筛查效果.在深化筛查阶段,采用表格网络(attentive interpretable tabular leavning,TabNet)模型结合实验室检查数据与初步筛查决策,准确率达到92.06%,敏感性提升至81.41%,特异性达95.41%,筛查性能明显提升.此外,深化筛查阶段利用夏普利加性解释(SHapley additive exPlanations,SHAP)方法进行模型的全局可解释性分析,结合TabNet的局部可解释性特点,使模型预测结果更具透明度和可信度.
吴英飞;李金铭;陈怡洁;张艺超;袁贞明;孙晓燕;俞凯;张治芬
杭州师范大学信息科学与技术学院,浙江杭州杭州师范大学信息科学与技术学院,浙江杭州杭州市妇产科医院生殖内分泌科,浙江杭州杭州师范大学移动健康管理系统教育部工程研究中心,浙江杭州杭州师范大学信息科学与技术学院,浙江杭州杭州师范大学信息科学与技术学院,浙江杭州杭州师范大学信息科学与技术学院,浙江杭州杭州市妇产科医院生殖内分泌科,浙江杭州
信息技术与安全科学
分类提升树表格网络模型骨质疏松筛查机器学习SHAP可解释性
《杭州师范大学学报(自然科学版)》 2026 (1)
P.16-26,11
省部共建重大项目(WKJ-ZJ-2010)杭州市生物医药和健康产业发展扶持科技专项项目(2021WJCY179)杭州市农业与社会发展科研计划项目(202004A12)浙江省中医药现代化专项项目(2021ZX013)杭州市医药卫生科技项目(Z20200007)。
评论