基于机器学习算法的NT-proBNP灰值患者心力衰竭判别模型评价

作者：谢秋华; 鲁作华; 邓生琼; 刘倩倩; 徐莉敏; 张登海; 刘兴晖^*

来源：同济大学学报(医学版), 2021, 42(03): 375-380.

• NT-proBNP
• 心力衰竭
• 机器学习算法

目的应用机器学习算法构建氨基末端脑钠尿肽(N-terminal pro-brain natriuretic peptide, NT-proBNP)灰值患者心力衰竭判别模型并评价。方法收集2013年1月至2018年12月在上海市浦东新区公利医院进行NT-proBNP实验室检测的患者临床资料和实验室检测信息,数据清洗后纳入研究对象,并按7∶3的比例划分训练集和测试集。用L1范数正则化和递归特征消除方法对特征进行筛选。应用基于机器学习的Logistic回归、随机森林、梯度提升树和XGBoost算法构建模型,比较4种方法构建的模型对NT-proBNP灰值患者心力衰竭判别价值。结果按重要性筛选出模型因子年龄、性别、肌酸激酶同工酶、肌酐、肌红蛋白、肌钙蛋白Ⅰ、血红蛋白、白细胞计数。Logistic回归、随机森林、梯度提升树和XGBoost四种模型灵敏度分别为58.42%、56.83%、65.74%和60.04%;特异度分别为57.47%、68.18%、60.13%、65.93%。结论基于机器学习建立的NT-proBNP灰值患者心力衰竭判别模型有一定临床价值,本研究结果应用价值有待于更大样本进行验证。

• 单位
  上海市浦东新区公利医院