2型糖尿病患者の骨粗鬆症を予測するための説明可能な機械学習モデルの開発と検証

科学分野:

• 内分泌学
• ゲロントロジー
• コンピューター医学

背景:

• 骨粗鬆症は2型糖尿病 (T2DM) の患者で頻繁に見られる合併症です.
• 現在,T2DM患者の骨粗鬆症のスクリーニング率は低いため,診断が不十分です.

研究 の 目的:

• T2DM患者の骨粗鬆症リスクを予測するための費用対効果の高い解釈可能な機械学習 (ML) モデルを開発し,検証する.
• 早期にリスクを特定するためのアクセシブルなツールを作成する.

主な方法:

• DXAスキャンを受けた1560人のT2DM入院患者の遡及分析.
• 単変数分析,LASSO回帰,Borutaアルゴリズムを用いた特徴選択
• 8つの監督MLモデルの開発と評価,その性能のために選択されたロジスティック回帰.

主要な成果:

• ロジスティック・リグレッション・モデルは,高い性能を示した (AUC 0. 812,精度 0. 762).
• 主な予測因子には,年齢,性別,アルカリ性ファスファターゼ,尿酸,ヘモグロビン,中性粒子の数が含まれています.
• 解釈可能なウェブベースのリスク計算機が作成されました.

結論:

• T2DM患者における骨粗鬆症の予備的なリスクスクリーニングのために,解釈可能なMLベースのオンラインツールが開発されました.
• このツールは通常の血液指標を利用し,臨床医が早期にリスクを特定するのに役立ちます.
• これは,この脆弱な集団における骨粗鬆症の診断不足を軽減します.