应用可解释的机器学习算法来预测中国2型糖尿病患者的大血管病变风险
Ningjie Zhang1, Yan Wang2, Hui Zhang3,4,5
1Department of Blood Transfusion, The Second Xiangya Hospital, Central South University, Changsha, China.
Scientific reports
|May 12, 2025
概括
这项研究开发了一种机器学习模型,用于预测2型糖尿病 (T2DM) 的中国患者的糖尿病大血管病变. 该模型准确地识别高风险个体,有助于早期诊断心血管疾病.
科学领域:
- 心脏病学 心脏病学
- 糖尿病学 糖尿病学
- 医疗信息学 医疗信息学
背景情况:
- 宏观血管并发症是2型糖尿病 (T2DM) 的主要死亡原因.
- 在T2DM患者中早期诊断心血管疾病 (CVD) 很困难.
- 糖尿病大血管病症是一个重大的临床挑战.
研究的目的:
- 开发和验证用于预测糖尿病宏血管病变的机器学习 (ML) 模型.
- 确定中国T2DM患者大脑血管并发症的关键预测因素.
- 在这个高风险人群中加强早期心血管疾病诊断.
主要方法:
- 对1566名住院T2DM患者的回顾性分析.
- 在mlr3框架内用于特征选择的递归特征消除 (RFE).
- 基准测试29个ML模型,通过网格搜索和交叉验证优化护林员模型.
- 模型可解释性的SHAP值和PDPs;对106名患者进行外部验证.
主要成果:
- 护林员ML模型在训练组上实现了0.716的准确性和0.777的AUC.
- 外部验证证明了稳健性,AUC为0.745.
- 确定了关键预测因素:T2DM持续时间,年龄,纤维素素和血清尿素.
结论:
- 开发了一种基于ML的糖尿病大血管病的强大预测工具.
- 该模型展示了良好的区别和验证的性能.
- 这种方法有助于在T2DM中早期发现和管理心血管疾病.


