Predicting carotid plaques in metabolic dysfunction-associated steatotic liver disease using machine learning and SHAP interpretation
8.3
来源：
Nature
关键字：
ML brain science
发布时间：
2025-10-15 23:36
摘要：
本研究开发了一种基于机器学习的颈动脉斑块预测模型，结合健康检查指标，针对代谢功能障碍相关脂肪肝病（MASLD）患者。通过分析4973名患者的数据，研究表明，支持向量机模型在预测颈动脉斑块方面表现优越，AUC达到0.813。使用SHAP方法增强了模型的可解释性，揭示了年龄、收缩压、总胆固醇等因素对颈动脉斑块风险的影响，为临床干预提供了依据。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
0.5
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.3
technical_barrier_competition
0.5
关键证据
研究开发了一种预测颈动脉斑块的模型，基于健康检查指标和机器学习算法。
SHAP方法用于解释模型预测结果，揭示个体风险因素的贡献。
该模型在验证队列中显示出良好的预测性能，AUC达到0.813。
真实性检查
否
AI评分总结
本研究开发了一种基于机器学习的颈动脉斑块预测模型，结合健康检查指标，针对代谢功能障碍相关脂肪肝病（MASLD）患者。通过分析4973名患者的数据，研究表明，支持向量机模型在预测颈动脉斑块方面表现优越，AUC达到0.813。使用SHAP方法增强了模型的可解释性，揭示了年龄、收缩压、总胆固醇等因素对颈动脉斑块风险的影响，为临床干预提供了依据。