一种基于蛋白质组学数据的AI肌少症长期风险预测模型及其应用

本发明公开了一种基于蛋白质组学数据的AI肌少症长期风险预测系统及方法。本发明采用多步特征选择策略，最终锁定IGFBP2、ACP5、LEP、FOLR3、OXT、PTPRZ1和NEFL等7种蛋白质作为核心预测因子，并融合临床变量(如年龄、性别、BMI等)，通过集成学习、交叉验证等机器学习方法训练生成个体化10年肌少症风险预测模型，该模型及基于该模型的预测系统不仅具有较高的预测准确率和良好的模型校准度，还通过Shapley值(SHAP)解释算法实现了模型可解释性，能够揭示各蛋白质与肌少症风险的关联强度及作用机制，为疾病的发病机制研究和精准干预提供科学依据。