机器学习算法在冠心病和心梗预测中的应用

作者：林耀望; 董少红; 朱炜明; 郭向明; 刘旭东

来源：国际医药卫生导报, 2018, 24(17): 2580-2585.

DOI：10.3760/cma.j.issn.1007-1245.2018.17.001

• 冠心病诊断
• 机器学习模型
• 冠脉造影
• XGBoost
• CAD
• 机器学习算法

冠状动脉血管疾病(简称"冠心病"或"CAD")在世界因病死亡率中排名第一,因此冠心病的预防和提前干预无疑是极为重要的。对于冠心病的及早诊断,使得患者能够尽早接受医疗救治,以此来降低死亡率,无疑是一项意义重大的课题。近年来随着人工智能技术的快速发展,越来越多的研究人员开始研究冠心病的早期诊断和风险预测的方法和工具。借助4 049例完整病历数据,包括2 678例阳性病例和1 371例阴性病例,我们使用XGBoost来评估冠心病和心肌梗死(简称"心梗"或"MI")的风险程度,取得了非常高的准确率。研究结果显示,七项指标全部获得超出预期的高准确率。利用同一组数据集同时对冠心病和心梗风险进行测试,到目前为止是一个新的方法。结果表明,利用机器学习可以对冠心病进行高准确率的风险预测。机器学习模型使得复杂、昂贵的冠心病诊断程序大大简化和低成本化,使得每一个潜在的冠心病病患在及早诊断和治疗中受益,冠心病发病率和致死率都将因此而明显降低。

• 单位
  第二临床医学院; 暨南大学; 深圳市人民医院