Establishing a Multimodal Personalized Fracture Risk Prediction Model for Dialysis Patients Using Clinical Phenotype and Wearable Data (Continuation for the 2nd & 3rd Yr)

為能精準預測和評估透析患者的骨鬆與骨折風險，考慮到個體化差異，本研究採納了單模態和多模態機器學習方法，開發基於臨床表型和穿戴裝置收集的連續生理數據的預測模型，以及應用Fusion AI技術結合這兩種異質資料集開發之多模態機器學習預測模型。此外，本計畫結合模型與建立追蹤管理系統，進行前瞻性觀察性臨床試驗進行收案與模型驗證及使用者研究，以確保模型的泛化能力與臨床應用性，為未來商業化發展奠定基礎。