准确率达85%，苏大、大连理工开发多模态特征融合ML，预测工程纳米材料诱导的慢性损伤

本文由苏州大学和大连理工大学的研究团队开发了一种多模态特征融合分析框架，用于预测金属氧化物纳米颗粒（MeONP）在雌性小鼠中的纤维化潜力。研究背景涉及纳米颗粒引起的慢性损伤（如纤维化和致癌作用）对公众健康的威胁，以及现有计算机分析在预测体内慢性纳米毒性方面的挑战。研究目的是通过整合87个多模态特征，利用机器学习算法构建预测模型，以评估MeONP的纤维化风险。实验结果表明，随机森林模型表现最佳，准确率达85%。研究结论指出，该模型在纳米材料风险评估和监管决策中具有潜在应用价值，并为动物实验提供了一种经济高效的替代方法。