中国人コミュニティに住む高齢者の低筋量に対する解釈可能な機械学習ベースのスクリーニング方法を,通常の身体検査情報を用いて探求する

科学分野:

• ゲロントロジーと公衆衛生
• バイオメディカル・インフォマティクス
• クリニカル診断士

背景:

• 世界の人口の高齢化は,筋肉の健康と年齢に関連する筋肉の喪失に関する課題に直面しています.
• 従来の低筋量スクリーニング方法は,定期的な自己モニタリングに費用がかかり,非実用的です.
• 定期的な身体検査のデータは,アクセシブルなスクリーニングツールを開発する可能性を秘めています.

研究 の 目的:

• 中国人コミュニティに住む高齢者の低筋肉質をスクリーニングするための解釈可能な機械学習アプローチを探求する.
• 低筋肉量予測のための定期的な体調検査データを使用する可能性を評価する.
• 資源の制限のある環境での臨床応用のためのユーザーフレンドリーなツールを開発する.

主な方法:

• 健康コーホートから569人の高齢者 (≥60歳) を募集しました.
• BIAとAWGS 2019の基準を介して,付属骨格筋質量指数 (ASMI) を使用して低筋質量を評価しました.
• 定期的な身体検査データを用いて,3つの監督された機械学習モデル (ランダムフォレスト,Elastic Net) を開発し,比較し,解釈可能性のためにSHAPと展開のためのShinyフレームワークを使用しました.

主要な成果:

• 参加者の17.4%が低筋量でした.
• ランダムフォレストモデルは,低筋量分類で高い性能 (AUC=0.872) を達成しました.
• Elastic Netモデルは,ASMI (R2=0.763) の強い予測を示した.
• 重要な予測要因には,BMI,年齢,小腿周長,MNAスコア,HDLが含まれていました.

結論:

• 定期的な身体検査のデータは,コミュニティに住む高齢者の筋肉質の低下を効果的にスクリーニングすることができます.
• 解釈可能な機械学習のアプローチは,優れた予測性能と運用可能性を提供します.
• 開発されたツールは,さらなる標準的な評価を導き,初等保健医療の環境における臨床実践を支援することができます.