换一批基于AutoGluon自动化机器学习工具建模的阿尔茨海默病疾病风险预测
Alzheimer's Disease Risk Prediction Based on AutoGluon Automated Machine Learning Tool Modeling
摘要本研究基于AutoGluon自动化机器学习构建阿尔茨海默病(AD)风险预测模型,辅助临床早期识别.研究中采用Kaggle公开数据集(AD 760 例,非AD 1 389 例),收集人口统计学、生活方式、生理指标及认知评估等多维度数据.通过AutoGluon自动优化模型,5 折交叉验证评估性能,SHAP方法分析关键因子.结果表明,AD组在睡眠、血脂及认知症状方面差异显著.最优模型AUC达 0.92(95%CI:0.90～0.94),准确率 87.3%,敏感性 85.1%,特异性 88.7%.SHAP分析显示,简易精神状态评分(贡献度 0.31)、功能评估评分(0.24)及记忆抱怨(0.18)为关键预测因子.实践证明该模型性能优异,可助力AD早期筛查,自动化机器学习在神经退行性疾病预测中潜力显著.
更多相关知识
关键词
阿尔茨海默病自动化机器学习AutoGluon风险预测可解释性分析Alzheimer's diseaseautomated machine learningAutoGluonrisk predictioninterpretability analysis
栏目名称
DOI
10.12263/ES.2025.04.013
发布时间
2026-04-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
