目的は、健康診断データセットに基づいて青年および中年男性の骨量減少に関連するリスク因子を調査し、予測モデルを構築してその性能を評価することである。方法として、2022年5月から2024年5月まで連勤保障部隊第961病院で健康診断を受けた989名の健康な青年および中年男性を対象に後ろ向きデータ研究を実施し、データセットを7:3の割合で訓練集合（n=692）と検証集合（n=297）に無作為に分割し、骨量減少の発症を主要な研究終点とした。LASSO回帰を用いて独立した予後因子を選択し、極限勾配ブースティング、サポートベクターマシン、多要因ロジスティック回帰、K近傍法、軽量勾配ブースティング機械、ランダムフォレストの6つの機械学習モデルを用いて骨量減少の予測を行った。受診者操作特性（ROC）曲線下面積（AUC）、感度、特異度、Brierスコアなどの指標で最適モデルを選定した。Youden指数最大化原則により高リスク確率の閾値を決定した。校正曲線と臨床意思決定曲線を用いて最適モデルの校正度と臨床的性能を評価した。最終的にSHAP手法を用いて最適モデルの予測結果を解釈した。結果：研究により青年および中年男性の骨量減少に影響を与える8つの独立した因子が特定され、それは喫煙状況、高密度リポタンパク質コレステロール、トリグリセリド、赤血球数、規則的な運動、血清アルブミン、ヘモグロビン、尿酸であった。異なる方法で構築された6つの機械学習モデルの中で、ランダムフォレストモデルが最も優れた予測性能を示し、検証集合でのAUC（0.706、95％CI 0.644~0.769）、特異度（0.884）、陽性的中率（0.704）、陰性的中率（0.708）、正確度（0.704）はすべて最高であり、Brierスコアも最良で0.0301（0.0283~0.0322）であった。Youden指数最大値は0.384で、感度0.579、特異度0.805に対応した。検証集合の校正曲線は確率0.20～0.65の範囲で偏差が最小であった。検証集合の臨床意思決定曲線はリスク閾値0.12～0.65の範囲で純利益が正であり、臨床意思決定への使用を支持した。結論：喫煙状況、高密度リポタンパク質コレステロール、トリグリセリド、赤血球数、規則的な運動、血清アルブミン、ヘモグロビン、尿酸は青年および中年男性の骨量減少に影響を与える独立因子である。これらの因子に基づく予測モデルは良好な予測性能を有し、エビデンスに基づく医学に基づく臨床診療の支援に役立つ可能性がある。

骨量減少; 機械学習; SHAP法; 補助的意思決定支援