KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · Nature (computational biology) · 2026-10-21
Ensemble-Modell auf Basis maschinellen Lernens zur Risikostratifizierung von Myokardschädigungen in Daten aus körperlichen Untersuchungen
Originaltitel: Machine learning-based ensemble model for the risk stratification of myocardial injury in physical examination data
Ein Machine-Learning-Ensemble stratifiziert das Risiko einer Myokardschädigung, einer frühen und häufigen Manifestation einer Myokarditis, anhand von Daten aus Routine-Gesundheitschecks. Ein Hill-Climbing-Algorithmus leitete die Auswahl und Abstimmung von fünf integrierten Modellen (Random Forest, SVM, logistische Regression, CART und LightGBM) und erreichte 81.8% AUC und 89.7% Genauigkeit auf dem Testdatensatz – ein bescheidener, aber statistisch fundierter Zuwachs gegenüber den einzelnen Klassifikatoren. Die Leistung blieb bei der temporalen Validierung an 2025 rekrutierten Teilnehmenden stabil, mit einer AUC von 0.812.