约翰霍普金斯大学的工程师们发现，一种新的人工智能工具可以通过简单地分析一个人的年龄、身高、体重、种族和教育程度来预测一个人的腰围大小。
该工具惊人的准确性可以帮助医生估计患者患糖尿病、心脏病、中风和其他肥胖相关疾病的风险，这些疾病通常是通过臭名昭著的身体质量指数(BMI)来评估的，BMI是一种计算人的身高和体重的方法。
该研究结果最近发表在《糖尿病与代谢综合征:临床研究与评论》上。
“腰围与糖尿病和心脏病等健康风险密切相关，但在诊所并没有定期测量，”通讯作者、彭博电子与计算机工程和生物医学工程杰出教授拉玛·切拉帕说。“我们的方法使医生更容易预测病人的肥胖风险，而不需要直接测量他们的腰围，这可以节省时间，提高肥胖相关疾病风险评估的准确性。”
由约翰霍普金斯大学工程和医学人工智能实验室的研究人员开发的这种高度精确的机器学习方法可以预测腰围，而无需物理测量。这种创新的方法在95%的时间内准确地估算出腰围，为评估与肥胖相关的健康风险提供了可靠的工具。
这项研究是由生物医学工程博士生卡尔·哈里斯领导的。约翰霍普金斯大学医学院内分泌学、糖尿病和代谢系副教授Prasanna Santhanam和生物医学工程博士生Daniel Olshvang也参与了这项研究。该团队表示，他们的工作展示了将人工智能预测融入临床实践的前景，特别是在治疗肥胖方面。
在评估肥胖风险时，医生通常参考一个人的身体质量指数(BMI)，这是对身高和体重的计算。但BMI测量并不全面;他们没有考虑身体组成、种族差异、年龄和其他因素，这些因素可以更准确地反映一个人的健康状况。身体质量指数“正常”的人比身体质量指数高的人患肥胖相关健康问题的风险更高。
越来越多的证据表明，与BMI单独相比，腰围能更好地预测与肥胖相关的健康问题。然而，研究人员指出，尽管腰围测量具有预测价值，但它面临着两个挑战:缺乏标准化的测量技术和在临床实践中很少使用。霍普金斯大学的研究小组着手克服这些挑战。
他们分析了两项主要研究的健康数据，即国家健康与营养调查(NHANES)和展望(糖尿病健康行动)，其中包括患者的信息，如身高、体重、年龄、种族和教育水平(饮食习惯的替代品)。然后，他们应用了一种被称为“适形预测”的机器学习技术来预测腰围。随着预测，他们的模型产生一个值范围，表示模型对预测准确性的信心。
该团队的新方法在预测腰围方面明显优于当前的机器学习方法。最重要的是，作者表明，不确定性范围是可靠的和可推广的，这意味着该模型可以对与模型训练对象有很大不同的人群做出准确的预测，比如糖尿病患者。
研究人员强调，新算法量化自身不确定性的能力不仅是模型成功的关键，也是构建值得信赖的人工智能系统的关键。
“我们的方法很突出，因为我们不仅提供了腰围的单一预测，我们还创造了一系列值来显示预测的确定性或不确定性。这增加了安全性和准确性，特别是在临床环境中，这种不确定性是至关重要的，并指导决策，”哈里斯说。
虽然令人信服，但研究人员警告说，结果只是初步的。该团队表示，他们将在不同人群和临床环境中对该模型进行进一步测试，以确认其在现实世界中的有效性。他们计划通过纳入饮食和体育活动等其他因素来完善模型，这可能会使预测更加精确。
更多信息:Carl Harris等人，肥胖预测:新的机器学习洞察腰围准确性，糖尿病和代谢综合征:临床研究与评论(2024)。引文:改善肥胖护理:预测腰围和识别患者肥胖风险的新人工智能技术(2024年10月2日)检索自https://medicalxpress.com/news/2024-10-obesity-ai-technique-waist-circumference.html。本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
