論文の概要: Clinically Interpretable Biological Age Estimation Using CatBoost and SHAP with Continuous and Categorical Features from NHANES

• arxiv url: http://arxiv.org/abs/2610.20868v1
• Date: Wed, 14 Oct 2026 19:58:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.051172
• Title: Clinically Interpretable Biological Age Estimation Using CatBoost and SHAP with Continuous and Categorical Features from NHANES
• Title（参考訳）: CatBoost と SHAP を用いたNHANES の連続的・カテゴリー的特徴を用いた生物学的年代推定法
• Abstract要約: 生体年齢(BA)は、慢性期(CA)を超えて生理的加齢の個人間変動を捉えている 不均一な臨床データを用いたBA推定のための臨床的解釈可能な機械学習フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 0.9274656542624662
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biological age (BA) captures inter-individual variation in physiological aging beyond chronological age (CA). Although machine-learning models have advanced BA estimation, many rely primarily on continuous laboratory biomarkers, and SHapley Additive exPlanations (SHAP) dependence plots are typically interpreted visually. We developed a clinically interpretable machine-learning framework for BA estimation using heterogeneous clinical data from the National Health and Nutrition Examination Survey (NHANES 2011-March 2020, N = 24,983 adults aged >= 18). A CatBoost regression model incorporated 44 demographic, laboratory, physical examination, and lifestyle predictors to estimate CA, defining model-estimated age as BA. SHAP provided multi-level interpretability. Crucially, building on standard visual inspection, we implemented a prespecified automated procedure directly on SHAP dependence plots to quantify feature-value ranges associated with lowest and highest BA contributions, corresponding adjustment magnitudes, and zero-crossing thresholds. Model-estimated BA strongly correlated with CA in held-out testing data (Pearson r = 0.798, P < 0.001). Population-level SHAP identified blood urea nitrogen, serum glucose, vigorous recreational activity, red cell distribution width, and alanine aminotransferase among the leading predictors, with three categorical variables ranking among the top 25. Automated quantitative SHAP analysis mapped predictor-specific ranges, effect sizes, and inflection points, while waterfall plots enabled individual explanations. By extending qualitative visual interpretation to reproducible quantitative metrics across heterogeneous clinical data, this framework enhances transparency and provides a scalable methodological foundation for biological aging research and precision health.
• Abstract（参考訳）: 生物学的年齢(BA)は、時間的年齢(CA)を超える生理的年齢の個人間変動を捉えている。 機械学習モデルには高度なBA推定があるが、その多くは主に連続的な実験室のバイオマーカーに依存しており、SHAP(SHapley Additive ExPlanations)依存プロットは一般的に視覚的に解釈される。 全国健康栄養調査(NHANES 2011-2020年3月, N = 24983 歳, 年齢 >= 18)から得られた異種臨床データを用いたBA推定のための臨床的解釈可能な機械学習フレームワークを開発した。 CatBoost回帰モデルは、CAを推定するために44の人口統計、実験室、身体検査、ライフスタイル予測器を組み込み、モデル推定年齢をBAと定義した。 SHAPはマルチレベル・インタープリタビリティを提供する。 重要な点として, 標準的な視覚検査に基づいて, SHAP依存プロットに基づいて, 最下位および最上位のBAコントリビューション, 対応する調整等級, ゼロクロスしきい値に関連する特徴値範囲を定量化するために, 予め規定された自動手順を実装した。 モデル推定BAはホールドアウト試験データ(Pearson r = 0.798, P < 0.001)においてCAと強く相関した。 血液尿素窒素, 血清グルコース, 活気のあるレクリエーション活性, 赤血球分布幅, アラニンアミノトランスフェラーゼを主要予測因子として同定し, 上位25項目に分類した。 自動定量的SHAP分析は、予測器固有の範囲、効果サイズ、反射点をマッピングし、滝のプロットは個々の説明を可能にした。 不均一な臨床データにまたがる再現可能な定量的指標に質的な視覚的解釈を拡張することにより、透明性を高め、生物学的老化研究と精密健康のためのスケーラブルな方法論基盤を提供する。

関連論文リスト

• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• Simulating clinical interventions with a generative multimodal model of human physiology [49.828582089394445]
  HealthFormerは、人間の生理的軌道を生成的にモデル化するデコーダのみのトランスフォーマーである。 7つの領域にまたがる667個の測定値に対して,各被験者の健康軌道をトークン化する。 HealthFormerは、30のインシデント障害および死亡エンドポイントのうち27の予測を改善し、各比較で確立された臨床リスクスコアを超えた。
  論文  参考訳（メタデータ） (2026-04-30T14:10:30Z)
• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• EvoMorph: Counterfactual Explanations for Continuous Time-Series Extrinsic Regression Applied to Photoplethysmography [4.11690617621503]
  時系列回帰モデルは、臨床に関連のある結果を推定するために、光胸腺造影信号を活用する傾向にある。 臨床推論と信頼については、単点推定だけでは不十分である。 EvoMorph は生理的に可塑性で多様な CFE を TSER アプリケーション向けに生成するフレームワークである。
  論文  参考訳（メタデータ） (2026-01-15T12:58:59Z)
• ROC Analysis with Covariate Adjustment Using Neural Network Models: Evaluating the Role of Age in the Physical Activity-Mortality Association [0.5008482724829301]
  本稿では,ニューラルネットワークに基づく共変量調整ROCモデリングのためのフレームワークを提案する。 バイオマーカーの有効性を柔軟かつ非線形に評価し、2つの基準集団間で識別することができる。 臨床ケーススタディでは、日常的な身体活動が3,5,8年の死亡率を予測するバイオマーカーとして、日々のステップカウントのプロキシとして評価されている。
  論文  参考訳（メタデータ） (2025-10-16T09:38:42Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Age-Net: An MRI-Based Iterative Framework for Brain Biological Age Estimation [18.503467872057424]
  生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。 臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-22T19:04:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。