使用 CatBoost 和 SHAP 基于 NHANES 连续与分类特征进行临床可解释的生物学年龄估计

arXiv:2610.20868v1 公告类型：新 摘要：生物学年龄（BA）能够捕捉超越实际年龄（CA）的个体间生理衰老差异。尽管机器学习模型推动了 BA 估计的发展，但许多模型主要依赖连续型实验室生物标志物，且 SHapley Additive exPlanations（SHAP）依赖图通常通过视觉方式进行解读。我们利用来自 National Health and Nutrition Examination Survey（NHANES 2011 年至 2020 年 3 月，N = 24,983 名年龄 ≥18 岁的成年人）的异质性临床数据，开发了一种用于 BA 估计的临床可解释机器学习框架。CatBoost 回归模型纳入了 44 项人口统计学、实验室检测、体格检查和生活方式预测变量，以估计 CA，并将模型估计的年龄定义为 BA。SHAP 提供了多层次的可解释性。重要的是，在标准视觉检查的基础上，我们直接针对 SHAP 依赖图实施了一套预先规定的自动化流程，用于量化与 BA 贡献最低和最高相关的特征值范围、相应的调整幅度以及零交叉阈值。在留出测试数据中，模型估计的 BA 与 CA 呈强相关（Pearson r = 0.798，P < 0.001）。群体层面的 SHAP 分析识别出血尿素氮、血清葡萄糖、剧烈休闲活动、红细胞分布宽度和丙氨酸氨基转移酶等主要预测因素，其中 3 个分类变量进入排名前 25。自动化定量 SHAP 分析描绘了特定预测变量的取值范围、效应大小和拐点，同时瀑布图实现了个体层面的解释。通过将定性的视觉解读扩展为适用于异质性临床数据的可复现定量指标，该框架提升了透明度，并为生物学衰老研究和精准健康提供了可扩展的方法学基础。