换一批脑卒中疾病风险机器学习预测研究
Study on stroke risk prediction model based on machine learning interpretability methods and mimic database
摘要目的 利用重症监护数据库(MIMIC)与机器学习算法构建临床预测模型,预测脑卒中疾病风险.方法 利用皮尔逊相关性、BorutaShap算法筛选特征,利用非集成学习与集成学习算法构建预测模型,并利用Shapash模型可解释性方法分析模型与构建可应用于临床的Web App.结果 Voting算法模型性能最佳,AUC为0.82,F1值为80.00％,敏感度为89.13％,红细胞分布宽度(RDW)、凝血酶原时间(PT)、格拉斯哥昏迷评分(言语反应)(GCS_verbal)的影响与全局特征重要性不一致,凸显了特征显著性的局部差异.结论 本研究不仅为临床预测模型的构建提供了新的视角和方法,而且通过Shapash技术的应用,增强了模型的可解释性,为临床医生提供了更加深入的数据洞察,从而有助于提高诊断的准确性和患者的治疗效果.
更多相关知识
关键词
机器学习可解释性重症监护数据库脑卒中预测模型Machine learningInterpretabilityMedical Information Mart for Intensive CareStrokePrediction model
栏目名称
DOI
10.20116/j.issn2095-0616.2025.20.01
发布时间
2025-12-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
黑龙江省省属高校科研基本业务费科研项目（2023-KYYWF-0962）
- 浏览3
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
