XGBoost model na detekciu nediagnostikovaného diabetes mellitus typu 2 pomocou rutinných fyzikálnych a životných údajov z čínskej populácie

Výskumný tím vyvinul a overil model strojového učenia XGBoost na identifikáciu osôb s nediagnostikovaným diabetes mellitus typu 2 pomocou údajov z rutinných zdravotných kontrol. Štúdia zahŕňala údaje z 11 382 osôb z 12 terciárnych nemocníc v Číne, ktoré slúžili ako trénovacia sada, a 1 026 osôb ako nezávislá testovacej sada. Finálny model používal 12 prediktorov, pričom najvplyvnejším bol hladina glukózy na lačný žalúdok (50,6%), nasledovaná kreatinínmi (6,6%), triglyceridmi (5,6%), vekom (5,1%) a LDL cholesterolom (5,0%). Model dosiahol hodnotu AUC 77,2% (95% CI: 70,3%–84,1%) na testovacej sade. Výskumníci dospeli k záveru, že model vykazuje stredný prediktívny výkon a má potenciál byť integrovaný do klinickej praxe ako pomocný nástroj na skríning.