AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-21
基於機器學習的整體模型，用於健檢資料中的心肌損傷風險分層
原標題: Machine learning-based ensemble model for the risk stratification of myocardial injury in physical examination data
一套機器學習集成模型能從例行健康檢查資料中，對心肌損傷（心肌炎早期且常見的表現）的風險進行分層。爬山演算法引導五個整合模型（隨機森林、SVM、邏輯斯迴歸、CART 與 LightGBM）的選擇與調校，在測試集上達到 81.8% 的 AUC 與 89.7% 的準確率，較各單一分類器有溫和但具統計依據的提升。在針對 2025 年招募參與者的時間驗證中，效能維持穩定，AUC 為 0.812。