基于可解释机器学习的老年健康风险评估系统设计与构建

胡 娜, 李 倩影, 李 佩佩, 周 玮, 王征 风*
西安思源学院

摘要


针对传统“医养分离”、小程序“重记录、轻决策、缺解释”的养老问题，本文融合“医养结合”理念，设
计“健康助手”微信小程序。系统基于XGBoost构建心血管风险预测模型（AUC达0.7126），结合SHAP提升可解释
性，并通过云端API部署实现轻量化移动端应用与实时在线评估。功能上集成健康数据管理、用药提醒与服务对接，
形成“监测-评估-干预-反馈”闭环。该方案在准确性、响应速度和老年友好性方面表现良好，为社区与家庭智
慧养老提供了可解释、易落地的实用技术路径。

关键词


智慧养老；XGBoost；SHAP；模型可解释性；微信小程序

全文:

PDF


参考


[1]李晓洁.人工智能时代下智慧养老的现状分析[N].

安徽科技报，2025-09-12（013）.

[2]魏永波.基于人工智能的智慧养老精准服务问题

研究[J].中阿科技论坛（中英文），2024，（12）：45-49.

[3]马玉凤.智能健康监测技术在养老领域的应用[J].

大众标准化，2024，（20）：148-150.


Refbacks

  • 当前没有refback。