ハイライト
- 臨床パラメータを用いて、ハイリスク新生児における難聴リスクを予測する、機械学習ベースのリスク層別化ツールを開発した。
- XGBoostモデルは、85.2％の精度および曲線下面積（AUC）87.1％という優れた予測性能を示した。
- SHAP（SHapley Additive exPlanations）による解釈可能性解析では、NICU入院期間と家族歴が最も影響の大きいリスク因子として抽出された。
- 臨床医が早期同定と介入を行うためのリアルタイムリスク評価を支援する、Webベースの臨床意思決定支援アプリケーションを実装した。
