身体指標と食習慣を用いた肥満リスク予測のための貢献解釈可能信念ルールベースモデル

科学分野:

• 内分泌学
• 予防医療
• 計算生物学

背景:

• 肥満は、2型糖尿病、心血管疾患、代謝性疾患に関連する世界的な内分泌障害です。
• 正確で解釈可能な肥満リスク予測は、適時の介入にとって不可欠ですが、現在のモデルではしばしば欠けています。

研究 の 目的:

• 精度と解釈可能性のバランスをとる、多層肥満リスク予測のための新しいモデルを開発すること。
• 透明な意思決定経路を通じて、肥満の重要な修正可能なリスク要因を特定すること。

主な方法:

• ハイブリッド進化最適化と貢献分析（DBRB-C）を備えた二層信念ルールベースモデルを提案しました。
• データ駆動型学習と知識ベース推論を階層的アーキテクチャを使用して統合しました。
• パラメータ学習のために差分進化-粒子群最適化を採用し、追跡可能性のために貢献分析を使用しました。

主要な成果:

• DBRB-Cは、実際のデータセットにおいて、従来の機械学習モデルと比較して優れた精度と安定性を示しました。
• 野菜の摂取量や食事の頻度などの特定の食行動が、肥満リスクの重要な決定要因であることが特定されました。
• 各予測について完全に追跡可能な推論を提供し、モデルの透明性を高めました。

結論:

• DBRB-Cモデルは、肥満リスク評価における精度と解釈可能性のトレードオフに効果的に対処します。
• 内分泌学における個別化されたライフスタイル介入とエビデンスに基づいた臨床的意思決定のための信頼できるフレームワークを提供します。
• 予防医療における透明で貢献を認識したモデルの可能性を強調しています。