基于人工智能的糖尿病风险预测从纵向DXA骨测量

科学领域:

• 内分泌学和新陈代谢学
• 医疗成像医学成像
• 老年学是一门学科.

背景情况:

• 糖尿病是一种严重并发症的全球性健康问题.
• 使用纵向多模式数据预测糖尿病发病情况尚未得到充分研究.
• 双能X射线吸收计 (DXA) 测量骨组成,可能提供有关代谢健康的见解.

研究的目的:

• 调查DXA衍生骨构成测量作为卡塔尔成年人糖尿病发病的预测因素.
• 使用纵向多模式数据,探索与糖尿病发展相关的风险因素.
• 为了比较糖尿病风险预测的传统和深度学习模型.

主要方法:

• 一项对1382名卡塔尔成年人的回顾性病例控制研究.
• 使用SMOTE和SMOTEENN进行数据增强,以处理类不平衡.
• 使用ANOVA,SHAP和概率方法分析骨矿物质密度 (BMD) 和骨矿物质含量 (BMC).
• 浅层和深度学习模型用于糖尿病预测的比较.

主要成果:

• 与对照组相比,糖尿病参与者在多个地区表现出更高的BMD和BMC.
• 异常的葡萄糖代谢与增加的BMD和BMC相关,但Z分数较低.
• 浅层学习模型的预测准确度 (91.08%),AUROC (96%) 和回忆 (91%) 超过了深度学习模型.
• 糖尿病预测准确性在老年人群中得到改善,在男性中更高.

结论:

• 来自DXA的骨构成测量是早期糖尿病检测的有希望的预测指标.
• 这种使用DXA扫描的最小侵入性方法为快速风险评估提供了潜力.
• 了解骨健康标志物可以为积极的糖尿病管理策略做出贡献.