一种基于机器学习的抗γ干扰素自身抗体阳性预测方法及系统

本发明提供了一种基于机器学习的抗γ干扰素自身抗体阳性预测方法及系统，涉及机器学习技术领域。本发明包括数据采集与预处理、特征编码与筛选、模型训练与集成、概率输出与风险分类等步骤。通过融合基础疾病信息、体格检查数据及常规实验室指标，构建标准化数值特征矩阵，并引入正则化筛选与组稀疏约束机制提取目标特征。采用多种监督式机器学习模型构建预测体系，结合交叉验证与集成学习方法输出个体AIGAs阳性概率。最终通过动态阈值设定与可视化结果展示辅助临床决策，兼具高精度、强可解释性与良好可部署性，为资源受限场景下的AIGAs智能化筛查提供了实用解决方案。