通过机器学习预测新发性中风:开发一种集成传统中国和西方医学的模型
Liuding Wang1, Jingzi Shi2, Lina Miao1
1Departmalet of Neurology, Xiyuan Hospital, China Academy of Chinese Medical Sciences, Beijing, China.
Frontiers in pharmacology
|March 10, 2025
概括
传统中医 (TCM) 和西方医学的整合有助于预防中风. 一个机器学习模型确定了高静脉血压,TCM火症综合征和动脉动脉样硬化作为新发性中风风险的关键预测因素.
科学领域:
- 综合医学是一个整体的医学.
- 心血管疾病的研究研究.
- 机器学习在医疗保健中的应用
背景情况:
- 通过将中国传统医学 (TCM) 与西方医学相结合,加强中风预防.
- 传统的风险因素和TCM综合征对于预测新发性中风至关重要.
- 机器学习方法可以改善中风风险评估.
研究的目的:
- 开发一种机器学习模型,用于预测新发性中风风险.
- 将TCM综合征与传统风险因素作为预测变量进行整合.
- 评估机器学习和物流回归模型的预测性能.
主要方法:
- 对 4,511 名参与者进行了一项为期 10 年的随访研究.
- 使用临床数据和TCM综合征,开发了XGBoost和后勤回归模型.
- 为了模型的可解释性,使用了夏普利添加式解释 (SHAP).
主要成果:
- 在XGBoost模型显示更高的预测性能 (AUC: 0.811培训,0.628验证) 比后勤回归 (AUC: 0.746培训,0.658验证).
- 较高的缩血压 (SBP),TCM火症综合征和动脉样硬化被确定为前三大预测因素.
- 这些发现表明,中国人群中与火症候群相关的潜在中风风险增加.
结论:
- 升高的SBP,TCM火灾综合征和动脉样硬化是新发性中风的重要预测因素.
- 建议对高风险人群优先进行高血压,Fire综合征和动脉样硬化症的查和治疗.
- 未来的研究需要更大,更客观的数据集来优化基于TCM的中风预测模型.
