慢性病预测计算框架

基于常规血检数据的低成本高精度慢性病预测框架，覆盖17种慢性病，无需昂贵基因或影像检测。

周建 · Xi, Qilemuge · Liang, Yuchao · Li, Haicheng · Liang, Pengfei · Guo, Yuqing · Liu, Ming · 杨磊 · 左永春 · 周健

Briefings in Bioinformatics 2023

参数信息

最高准确率（贲门癌）

90.13 %

最低准确率（直肠癌）

76.38 %

样本量

32448 patients

慢性病类型数

17 diseases

技术优势

成本大幅降低

用常规血液和生化检查替代昂贵的基因标记或影像分析，就能进行慢性病预测。

覆盖病种广泛

单一框架能够预测17种慢性病，包括9种癌症、5种心血管疾病和3种精神疾病。

模型可解释

采用SHAP算法解释模型，识别出CREA、R-CV、GLU和NEUT%等关键指标，使预测过程透明可信。

即用型系统

已开发用户友好的临床决策支持系统DisPioneer，可直接在线访问使用。

应用场景

• 慢病筛查：用常规血检即可筛查17种慢性病，无需额外昂贵检测。
• 临床决策支持：部署DisPioneer系统，输入血检数据即可获得预测和分类，辅助医生决策。
• 低成本健康监测：仅需常规血检即可持续监测慢性病风险，降低医疗负担。