摘要：目的骨質疏松性骨折(osteoporotic fracture,OF)的預測對于骨折防范具有重要的臨床指導意義。針對傳統logistic回歸預測模型存在的精度不高和未考慮遺傳因子問題,本文引入多粒度級聯森林(multi-grained cascade forest,gcForest)并結合遺傳因子來預測OF。方法首先基于 t 分布鄰域嵌入( t -distributed stochastic neighbor embedding, t -SNE)算法對OF關聯基因位點進行非線性降維,降維后的基因位點與臨床因素構成特征組。然后構建gcForest模型對OF進行預測。最后通過10次十折分層交叉驗證與logistic、梯度提升決策樹、隨機森林進行對比。結果基于gcForest的模型分類精度為0.892 7,AUC值為0.92±0.05,泛化性能最優。結論在考慮遺傳因素的條件下,gcForest分類效果優于其他模型,驗證了本文方法的高效性和實用性。