EXPLAINABLE RISK STRATIFICATION
从七项常规指标，
识别高级纤维化风险。
FibroX 是面向 MASLD 研究场景的 XGBoost 模型。它将临床实验室数据转化为高级纤维化风险概率，并提供可审阅的阈值、解释图和长期预后分析。
CURRENT PUBLIC MODEL
0.793
OOF AUROC · prevalence-matched training
Training cohort1,491
Advanced fibrosis20.19%
NHANES III C-index0.626 / 0.632
METHOD MAP
一条可追溯的研究链路
点击节点查看该步骤的输入、处理和输出。模型位置始终嵌入在真实研究流程中。
EVIDENCE BOARD
模型结果与解释
MODEL USE / SINGLE RECORD
把一个临床记录
转化为可解释风险。
当前输入会由后端直接送入所选 XGBoost 模型。空缺值可以保留，超出训练范围的数值会被拦截。
BATCH PREDICTION
CSV 多样本预测
MODEL TRAINING / USER DATA
训练一个新模型，
再回到预测工作台。
上传包含七项特征与二分类标签的 CSV。后端会真实完成分层划分、XGBoost 训练、验证集评估和模型保存；默认模型不会被覆盖。
TRAINING DATA
上传训练文件
TRAINING STATUS
等待训练任务
01读取数据
02分层划分
03XGBoost 训练
04验证与阈值
05保存模型
研究设置
网页训练使用当前项目重构模型的固定 XGBoost 配置（800 棵树、深度 2、学习率约 0.00521、类别权重），验证指标和 Youden 阈值来自同样的 5 折 OOF 流程；可下载模型随后在全部上传记录上重新拟合。缺失值仍由 XGBoost 原生处理，完整配置会写入 .joblib 元数据。