人工智能驱动的生物年龄预测模型使用综合健康检查数据:开发和验证研究研究

科学领域:

• 生物医学科学 生物医学科学
• 老年学是一门学科.
• 医疗保健中的人工智能

背景情况:

• 全球预期寿命正在上升,但健康的预期寿命滞后,需要准确的生物年龄评估.
• 与衰老相关的疾病和社会经济负担需要先进的方法来评估生物衰老.
• 现有的生物年龄预测模型受到传统统计和有限的临床数据的限制.

研究的目的:

• 开发和验证基于人工智能 (AI) 的老化时钟模型.
• 用全面的健康检查数据来预测生物年龄.
• 评估人工智能驱动的生物年龄预测的临床相关性.

主要方法:

• 利用了来自韩国人的健康检查数据.
• 结合了27个临床因素,并采用了各种机器学习算法 (例如,梯度增强,随机森林).
• 使用调整后的R2和平均平方误差 (MSE) 评估模型性能;使用Shapley添加式解释 (SHAP) 进行解释.

主要成果:

• 梯度提升模型表现出卓越的性能 (MSE:4.219,R2:0.967).
• SHAP分析确定了关键预测因素:功能,性别,HbA1c,肝功能和人体测量.
• 预测的生物年龄与代谢状态,身体组成,脂肪肝,吸烟和肺功能有很强的相关性.

结论:

• 开发的衰老时钟模型提供了高的预测准确性和临床实用性.
• 这种人工智能工具可以增强个性化的健康监测和干预.
• 整合到例行健康检查中可以改善健康管理,并鼓励定期查.