Vysvetľovateľný model strojového učenia na predpovedanie osteoporotických fraktúr krehkosti: retrospektívna štúdia v južnej Číne

Štúdia skúmala klinické charakteristiky hospitalizovaných pacientov s osteoporotickými fraktúrami v južnej Číne. Výskum zahŕňal 1125 hospitalizovaných pacientov s osteoporotickými fraktúrami, ktorí podstúpili DXA vyšetrenie v období od januára 2019 do decembra 2025. Z pacientov bolo zbieraných 73 charakteristík vrátane klinických, laboratorných a radiologických údajov. Vedci testovali šesť algoritmov strojového učenia na vytvorenie najlepšieho prediktívneho modelu. Model LightGBM dosiahol najlepšie výsledky s ROC-AUC 0,903 na trénovacej sade a 0,840 na testovacej sade. Analýza SHAP identifikovala vek, protilátky proti hepatitíde C a hladinu sodíka v sére ako hlavné faktory zvyšujúce riziko fraktúry. Model vykazuje dobrú schopnosť predpovedať osteoporotické fraktúry a otvára cestu pre skoršiu intervenciu u pacientov náchylných na tieto fraktúry.