一种人工智能方法用于无测试识别萨科佩尼亚
1Department of Nephrology, Chongqing Key Laboratory of Prevention and Treatment of Kidney Disease, Chongqing Clinical Research Center of Kidney and Urology Diseases, Xinqiao Hospital, Army Medical University (Third Military Medical University), Chongqing, China.
Journal of cachexia, sarcopenia and muscle
|November 8, 2024
概括
这项研究开发了一种人工智能模型,可以在没有体检或诊所访问的情况下识别肉类症. 该工具使用共同的数据来提供可访问的,早期发现和管理肉类症.
科学领域:
- 老年学是一门学科.
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 诊断sarcopenia是资源密集型,需要诊所访问和专门的设备.
- 需要可访问的,自我评估的方法来早期识别肉类病.
研究的目的:
- 开发一种无测试,可自我评估的人工智能 (AI) 模型,用于识别皮症.
- 为了利用代表性的现实世界数据来进行人工智能驱动的 Sarcopenia 查.
主要方法:
- 一项多中心研究招募了11661名成年人,使用了基线和后续数据 (2013年,2015年).
- 在机器学习 (ML) 模型中,20个功能能力 (FC) 指数被用作预测指标.
- 一个梯度增强分类器 (GBC) 模型在70%的基线数据上进行了训练和验证,并对剩余数据和纵向队列进行了测试.
主要成果:
- 开发的24个变量GBC模型显示出强大的预测性能 (AUC=0.831在持久数据集中,0.833和0.852在纵向数据集中).
- 关键预测指标包括"举重5公斤"和"跑步/慢跑1公里".
- 该模型展示了良好的校准和临床实用性,作为在线网络应用程序实施.
结论:
- 一个人工智能模型已成功开发,以帮助识别肉症,特别是在资源有限的环境中.
- 这种方法可以改善决策,并支持开发新的肉症管理策略.
