基于多模态血清标志物的骨质疏松智能辅助诊断系统及方法

本发明公开了基于多模态血清标志物的骨质疏松智能辅助诊断系统及方法。本发明基于年龄、身高、体重、骨代谢标志物VITD、P1NP、NMID、肝肾功能ALP、TBIL、DBIL、UA和血脂CHOL 11个指标变量，开发了一种结合12种机器学习算法和XGBoost堆叠式集成模型的骨质疏松智能辅助诊断模型和系统。该模型在内部验证集AUC 0.987，外部验证集的AUC 0.991，具有优异的诊断性能和诊断价值；经前瞻性验证和随访结果显示，模型的预测一致性的Kappa值达0.86，且可以提前29个月提示骨质疏松的发生，显著优于传统筛查工具。因此，本发明系统和方法可用于骨质疏松的早期预警筛查和动态风险评估。