摘要[目的]基于机器学习方法构建IgA肾病的中医智能辨证模型.[方法]检索中国知网(CNKI)、万方数据知识服务平台(Wanfang)、维普中文科技期刊数据库(VIP)、中国生物医学文献服务系统(CBM)自建库至2024年9月1日收录的IgA肾病文献以及古今医案云平台中的IgA肾病医案数据.建立IgA肾病中医信息数据库,将数据样本按7∶3比例分为训练集和测试集.应用超参数调优后的支持向量机(SVM)、梯度提升机(GBM)、随机森林(RF)、多层感知器神经网络(MLP)等机器学习算法(基学习器)对数据集进行量化分析,建立IgA肾病辨证智能模型,然后通过集成算法对以上4种分类器模型进行融合,组成一个强学习器.采用五折交叉验证对模型的性能进行评价,评价指标包括准确率(accuracy)、精确率(precision)、召回率(recall)、F1值(F1-score)、受试者工作特征曲线下面积(AUC)值.[结果]以IgA肾病中医四诊信息为输入变量,共包括63项,即38个症状、13种舌象、12种脉象;以IgA肾病中医证型为输出变量,共包括外感风热证、肺脾气虚证、气阴两虚证、气阴两虚夹湿热证4种证型.各模型的拟合效果较好,准确率、精确率、召回率、F1值、AUC值均在0.83以上;其中集成学习模型的准确率、查准率与查全率最高,其准确率、AUC值、F1 值、召回率、精确率分别为0.92、0.98、0.85、0.88、0.85,均高于其他算法模型.综合评价各指标结果表明以集成模型最优;集成学习模型参数的中医解释基本符合中医诊断原理.[结论]所构建的集成模型能够综合各分类器模型的优点,具有更好的稳定性,其性能和泛化能力均优于单一的基学习器;结果提示将人工智能应用于IgA肾病中医辨证智能模型的构建,在方法学方面是可行的.