用机器学习驱动的风险评估查/诊断萨科佩尼亚:SARCO X研究

科学领域:

• 老年学是指老年学的学科.
• 生物医学工程 生物医学工程
• 医疗保健中的人工智能

背景情况:

• 萨科佩尼亚对健康造成重大负担,需要有效的查和诊断工具.
• 早期识别肉类症对于管理相关的发病率和医疗保健成本至关重要.

研究的目的:

• 开发和验证一种基于机器学习 (ML) 的算法,用于皮病查和诊断.
• 与传统方法相比,提高了萨科佩尼亚诊断的准确性和效率.

主要方法:

• 这是一项多中心,横截面的病例控制研究,涉及45岁及以上的参与者.
• 收集的人口和临床数据,使用基础和基于ML的算法诊断肉类,包括肌肉质量,椅子站测试 (CST) 和手握力 (HGS).
• 在ML模型中使用渐变增强分类器 (GBC),对其在持久测试数据上的性能进行评估.

主要成果:

• 基于ML的模型确定了年龄,体重,身高,教育,运动状况,高血压和糖尿病作为与sarcopenia相关的重要因素.
• 梯度增强分类器 (GBC) 实现了高性能,回忆率为0.979,精度为0.926,准确度为0.980.
• ML增强算法减少了HGS和超声波的需要分别为38.1%和49.5%,优化了诊断途径.

结论:

• 开发的ML算法显著降低了在诊断肉症时进行广泛测试和成像的要求.
• 该工具有助于在初级和中等保健中更早地识别肉类,减少不必要的转诊进一步评估.