Artificial Intelligence for Pediatric Height Prediction Using Large-Scale Longitudinal Body Composition Data

要約

この研究は、GPコホート研究の人体測定および体組成データを使用して、小児および青年の将来の身長を予測するための正確な人工知能モデルを開発しました（7〜18歳の96,485人の子供からの588,546測定）。
このモデルには、人体測定、体組成、標準偏差スコア、および成長速度パラメーターが組み込まれ、RMSE、MAE、およびMAPEを使用してパフォーマンスが評価されました。
結果は、男性が平均RMSE、MAE、およびMAPEを2.51 cm、1.74 cm、および1.14％に達成し、それぞれ2.28 cm、1.68 cm、および1.13％を示す女性で高い精度を示しました。
説明可能なAIが特定された高さSDS、高さの速度、および重要な予測因子として柔らかいリーン質量速度に近づきます。
このモデルは、個々の特異的な高さの軌跡を推定し、臨床的意思決定サポート、成長障害の早期識別、成長結果の最適化のための堅牢なツールを提供することにより、パーソナライズされた成長曲線を生成しました。

要約(オリジナル)

This study developed an accurate artificial intelligence model for predicting future height in children and adolescents using anthropometric and body composition data from the GP Cohort Study (588,546 measurements from 96,485 children aged 7-18). The model incorporated anthropometric measures, body composition, standard deviation scores, and growth velocity parameters, with performance evaluated using RMSE, MAE, and MAPE. Results showed high accuracy with males achieving average RMSE, MAE, and MAPE of 2.51 cm, 1.74 cm, and 1.14%, and females showing 2.28 cm, 1.68 cm, and 1.13%, respectively. Explainable AI approaches identified height SDS, height velocity, and soft lean mass velocity as crucial predictors. The model generated personalized growth curves by estimating individual-specific height trajectories, offering a robust tool for clinical decision support, early identification of growth disorders, and optimization of growth outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google