热点事件持续更新
研究团队提出基于CatBoost与SHAP的生物年龄估计框架
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月16日，研究人员基于NHANES数据集开发出一套用于生物学年龄评估的临床可解释机器学习框架。该方法采用CatBoost回归模型，整合了44项连续与分类特征；在测试集上的预测结果与实际年龄呈强相关性（Pearson r = 0.798，P < 0.001）。此外，团队还引入了自动化定量SHAP分析，用以提取特征阈值与效应量，从而提升了生物老化研究与精准健康领域的模型透明度。
AI 根据报道生成 · 6 小时前更新
最新进展10月16日 12:00
研究人员开发出结合CatBoost与SHAP的临床可解释生物学年龄评估框架。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 机器学习基于 CatBoost 与 SHAP 的临床可解释生物学年龄评估
研究人员基于 NHANES 数据集开发了一套用于生物学年龄评估的临床可解释机器学习框架。该方法利用 CatBoost 回归模型整合 44 项连续与分类特征，在测试集上预测结果与实际年龄呈现强相关（Pearson r = 0.798，P < 0.001）。团队还引入自动化定量 SHAP 分析以提取特征阈值与效应量，提升了生物老化研究与精准健康的透明度。
本事件热度走势
当前热度 9·可比范围峰值 10（10月16日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。