Guangzhou, China

新的机器学习框架以校准覆盖率预测非酒精性脂肪肝风险

研究人员开发了一个名为Method的机器学习框架，用于预测非酒精性脂肪肝病（NAFLD）的风险。该框架利用梯度提升决策树结合共形预测，提供具有保证覆盖率水平的校准风险估计。Method表现强劲，内部AUROC达到0.912，外部达到0.891，优于其他成熟模型。所选特征，如腰围和BMI，与已知的代谢风险因素一致，风险分层能有效区分不同进展率的个体。