01 / WHY
从非侵入性筛查，走向可审阅的高级纤维化分层
MASLD 的高级纤维化风险与肝脏及心血管长期结局相关，早期识别需要兼顾可及性、准确性和解释性。
肝活检虽可提供病理信息，却具有侵入性；瞬时弹性成像等检查也并非在所有场景即时可得。FibroX 以日常可获得的年龄、体格和实验室指标构建非线性风险分数，在输出连续概率的同时保留阈值分层与特征贡献解释。
核心问题：能否用七项常规指标建立一个可解释的高级纤维化风险工具，并进一步观察该风险与长期全因、心血管死亡之间的关联？
02 / COHORTS
开发、验证与预后三类证据
研究将高级纤维化识别与长期结局分开评价，使风险分数不止服务于单次筛查。
项目网站以公开数据路径为基础，提供单例、批量预测和用户数据训练；当前开发模型保留原始特征尺度，并利用 XGBoost 的原生缺失值处理能力，避免额外的前端插补或归一化。
03 / FEATURES
七项输入，均可回到临床语境
模型不依赖影像原始文件或隐性特征，每一项输入都在网页中标明单位、范围和数据状态。
年龄Age
years
years
BMI体重指数
kg/m²
kg/m²
AST天冬氨酸氨基转移酶
U/L
U/L
ALT丙氨酸氨基转移酶
U/L
U/L
血小板Platelets
10³/µL
10³/µL
eGFR估算肾小球滤过率
mL/min/1.73m²
mL/min/1.73m²
HbA1c糖化血红蛋白
%
%
STEP 01队列筛选与标签构建
在 MASLD 与心代谢风险条件下形成开发样本，并以肝硬度相关的高级纤维化结局作为模型目标。
STEP 02XGBoost 识别非线性模式
通过树模型学习特征组合与高级纤维化风险之间的复杂关系，以 5 折 OOF 预测评估排序表现。
STEP 03阈值、解释与预后检查
将连续风险与 Youden 阈值分层并行展示，使用 SHAP 审阅贡献，再连接长期 Cox 预后分析。
04 / PERFORMANCE
先看连续排序，再决定分层阈值
风险概率用于排序与审阅；阈值用于工作流分层，两者不应相互替代。
0.7935折 OOF AUROC
0.537OOF AUPRC
0.473当前 Youden 阈值
20.19%开发队列高级纤维化比例
连续概率保留排序信息
同为“高风险”并不意味着风险程度相同；单例和批量输出均保留 0–1 的原始概率，便于进一步审阅与队列排序。
阈值服务于分流动作
当前模型将风险分数与选定阈值并列展示。阈值可用于筛查、转诊或复核流程设计，但不等同于诊断结论。
05 / EXPLAIN
把模型贡献拆回到每项特征
SHAP 将非线性模型的预测结果转换为可阅读的特征贡献，支持全局复核和个体层面的专业讨论。
项目输出全局重要性、蜂群图和热图，用于观察各变量对风险分数的影响结构。当前模型中，BMI、HbA1c、年龄、AST 与 ALT 显示出较高的平均绝对 SHAP 贡献；具体到单个患者时，贡献方向和大小仍会随输入组合而变化。
06 / PROGNOSIS
风险分层延伸到 30 年预后观察
在 NHANES III 队列中，以生存曲线、C-index 与调整后的 Cox 分析连接纤维化风险和长期结局。
4,276NHANES III 预后队列
0.626全因死亡 C-index
0.632心血管死亡 C-index
30年最长死亡随访
07 / USE
从研究模型到可操作网页
在线工具将方法流程、实时预测和用户数据训练拆分为独立工作区，便于各环节被审阅。
单例与批量预测
支持表单录入与 CSV 批量上传，返回实时 FibroX 概率、当前阈值和高低风险分层。
自定义模型训练
上传包含七项特征和二分类标签的 CSV，执行真实的分层训练、验证、阈值选择和模型保存。
明确模型状态
默认模型与用户训练模型分开管理；新模型需由用户主动上传后才会用于预测，避免无意覆盖。
适用边界
FibroX 页面和在线工具用于研究、教学与方法演示，不构成高级纤维化诊断、预后告知或治疗建议。实际使用前需要在目标人群中完成外部验证、阈值设定、数据质量控制与临床路径评估，并由肝病与相关专业团队共同决定使用方式。
项目入口
进入在线 FibroX 工作台，阅读公开论文；介绍视频将在素材确认后补充。