2024-06-02 MedSci原創(chuàng) MedSci原創(chuàng) 發(fā)表于上海

該研究結(jié)果彰顯了XGBoost模型的穩(wěn)健性和穩(wěn)定性，有效地平衡了預(yù)測(cè)準(zhǔn)確性和可解釋性。

心血管疾病作為全球范圍內(nèi)的主要死因之一，極大地加劇了公共衛(wèi)生負(fù)擔(dān)。面對(duì)心血管疾病發(fā)病率持續(xù)攀升的挑戰(zhàn)，開發(fā)高效預(yù)防策略顯得尤為迫切。高效預(yù)測(cè)模型作為一種關(guān)鍵手段，運(yùn)用先進(jìn)的分析技術(shù)和綜合評(píng)估模型，對(duì)個(gè)體在未來一段時(shí)間內(nèi)發(fā)生心血管疾?。ㄈ缧呐K病發(fā)作、中風(fēng)等）的風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確評(píng)估的過程。這一過程涉及多種數(shù)據(jù)和方法的融合，旨在識(shí)別出高風(fēng)險(xiǎn)群體，從而實(shí)現(xiàn)早期干預(yù)和有效管理，降低心血管事件的實(shí)際發(fā)生率。

為了開發(fā)更高效的心血管事件預(yù)測(cè)工具，在第33屆歐洲高血壓學(xué)會(huì)年會(huì)（ESH 2024）上，研究人員通過整合臨床數(shù)據(jù)、生物標(biāo)志物和已確立的危險(xiǎn)因素，開發(fā)并評(píng)估了一種用于預(yù)測(cè)心血管事件的模型。尤為重要的是，該模型能預(yù)測(cè)初次就診后患者發(fā)生心血管事件的可能性。

首先，研究人員通過統(tǒng)計(jì)方法、主成分分析法（PCA）和潛在類別分析（LCA）創(chuàng)建變量，從而豐富數(shù)據(jù)集。隨后應(yīng)用三種不同的預(yù)測(cè)算法：XGBoost、隨機(jī)森林和邏輯回歸。模型使用70%數(shù)據(jù)集進(jìn)行訓(xùn)練，30%用于驗(yàn)證，確保每種算法在預(yù)測(cè)準(zhǔn)確性與可解釋性之間取得平衡。該模型旨在預(yù)測(cè)在基線訪問后無心血管疾病史的患者中發(fā)生心血管事件的情況。

結(jié)果顯示，共有4,145名連續(xù)患者被轉(zhuǎn)診至醫(yī)院高血壓科，平均年齡為55.9±14歲，女性占51%。平均隨訪時(shí)間為3,028天，每 100 名患者年的發(fā)病密度為 1.93（95% CI: 1.78-2.09）。XGBoost 模型的準(zhǔn)確率為 85%，靈敏度為 87%，特異性為 71%。

當(dāng)模型縮減到30個(gè)最具影響力的變量時(shí)，預(yù)測(cè)準(zhǔn)確性略有下降位80%。邏輯回歸模型提供了可解釋性強(qiáng)的模型，準(zhǔn)確率為80%，敏感性為56%，特異性為84%。相比之下，隨機(jī)森林模型表現(xiàn)出高準(zhǔn)確率86%，但靈敏度明顯較低，僅為 13%。

總之，該研究結(jié)果彰顯了XGBoost模型的穩(wěn)健性和穩(wěn)定性，有效地平衡了預(yù)測(cè)準(zhǔn)確性和可解釋性?？紤]到模型決策透明度的重要性，具備解釋能力的邏輯回歸模型的納入尤為關(guān)鍵。本研究強(qiáng)調(diào)了根據(jù)應(yīng)用的具體需求定制預(yù)測(cè)模型的重要性。未來研究可探索增強(qiáng)XGBoost模型可解釋性的可行技術(shù)。

參考資料

PREDICTION OF CARDIOVASCULAR EVENTS IN HYPERTENSIVE SUBJECTS WITH ARTIFICIAL INTELLIGENCE TOOLS

版權(quán)聲明：
本網(wǎng)站所有內(nèi)容來源注明為“梅斯醫(yī)學(xué)”或“MedSci原創(chuàng)”的文字、圖片和音視頻資料，版權(quán)均屬于梅斯醫(yī)學(xué)所有。非經(jīng)授權(quán)，任何媒體、網(wǎng)站或個(gè)人不得轉(zhuǎn)載，授權(quán)轉(zhuǎn)載時(shí)須注明來源為“梅斯醫(yī)學(xué)”。其它來源的文章系轉(zhuǎn)載文章，或“梅斯號(hào)”自媒體發(fā)布的文章，僅系出于傳遞更多信息之目的，本站僅負(fù)責(zé)審核內(nèi)容合規(guī)，其內(nèi)容不代表本站立場(chǎng)，本站不負(fù)責(zé)內(nèi)容的準(zhǔn)確性和版權(quán)。如果存在侵權(quán)、或不希望被轉(zhuǎn)載的媒體或個(gè)人可與我們聯(lián)系，我們將立即進(jìn)行刪除處理。
在此留言

相關(guān)知識(shí)

無創(chuàng)心血管疾病實(shí)時(shí)智能監(jiān)測(cè)與血管健康評(píng)估系統(tǒng)
智能心臟健監(jiān)測(cè)：基于人工智能的心率檢測(cè)系統(tǒng)
【神麻人智】使用術(shù)前神經(jīng)心理學(xué)評(píng)估開發(fā)腦深部刺激術(shù)后語言流暢性的預(yù)測(cè)模型
探究面向智能制造的工業(yè)機(jī)器人健康評(píng)估方法
【產(chǎn)麻新譚】前置胎盤產(chǎn)婦產(chǎn)后出血人工智能神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立與驗(yàn)證
智慧健康管理系統(tǒng),功能模塊與軟硬件
基于人工智能的健康管理系統(tǒng)，智能預(yù)測(cè)與管理
人工智能在健康監(jiān)測(cè)中的技術(shù)優(yōu)勢(shì)1.背景介紹 隨著人工智能技術(shù)的不斷發(fā)展，人工智能在健康監(jiān)測(cè)領(lǐng)域的應(yīng)用也日益廣泛。這篇文章
人工智能與醫(yī)療健康產(chǎn)業(yè)系列研究之七：人工智能醫(yī)用軟件的注冊(cè)及監(jiān)管問題
智能健康評(píng)估，未來健康管理的新趨勢(shì)

網(wǎng)址: ESH?2024：高效預(yù)測(cè)心血管事件：人工智能模型的開發(fā)與評(píng)估 http://www.u1s5d6.cn/newsview638674.html