面向儿童肥胖风险预测的可互操作机器学习管道
机器学习
2025-07-15 v2 人工智能
摘要
可靠预测儿童肥胖可为医护人员提供宝贵资源，帮助他们在疾病确诊前及时开展预防性干预。尽管已有多项努力开发基于机器学习的肥胖预测模型，并报告了高预测性能，但目前尚不存在基于现有机器学习模型的常用临床决策支持工具。本研究提出了一种专为儿童肥胖预测设计的新型端到端管道，支持数据提取、推理及通过 API 或用户界面进行沟通。该管道仅关注儿科电子健康记录（EHR）中常规记录的数据，利用经专家精选的医疗概念列表预测未来 1-3 年发展为肥胖的风险。此外，本研究在设计过程中采用快速医疗互操作资源（FHIR）标准，旨在促进该管道与不同 EHR 系统的低-effort 集成。实验结果报告了预测模型的有效性及其与来自 various 各类利益相关者（包括机器学习科学家、医生、健康 IT 人员、健康管理代表及患者代表）反馈的一致性。
引用
@article{arxiv.2412.10454,
title = {An Interoperable Machine Learning Pipeline for Pediatric Obesity Risk Estimation},
author = {Hamed Fayyaz and Mehak Gupta and Alejandra Perez Ramirez and Claudine Jurkovitz and H. Timothy Bunnell and Thao-Ly T. Phan and Rahmatollah Beheshti},
journal= {arXiv preprint arXiv:2412.10454},
year = {2025}
}
备注
This paper has been accepted in Machine Learning for Health (ML4H) Symposium. Link: https://proceedings.mlr.press/v259/fayyaz25a.html