机器学习算法对危重患者死亡率预测效能的比较

作者：李惠萍; 胡安民^*

来源：广东医学, 2020, 41(16): 1642-1646.

DOI：10.13820/j.cnki.gdyx.20193897

• 医疗大数据
• 重症患者
• 预测模型
• 机器学习

目的检测支持向量机(SVM)和随机森林(RF)两种机器学习算法对单中心重症患者30 d死亡率预测性能。方法使用美国重症医学数据库(MIMIC-Ⅲ)作为数据来源,纳入波士顿贝斯以色列女执事医疗中心接受重症监护的成年患者,使用SVM和RF算法构建重症患者30 d死亡率的预测模型,通过与传统的简化急性生理评分-Ⅱ(SAPS-Ⅱ)模型比较,并使用十折交叉验证法对模型性能进行评估。结果研究纳入30 833例患者,SAPS-Ⅱ评分为33(25,43),其中2 909例(9.4%)患者在进入ICU后30 d内死亡。传统SAPS-Ⅱ评分模型的曲线下面积为0.73±0.02,而机器学习算法的SVM、RF预测模型的AUC值分别为0.75±0.02和0.79±0.02。结论 SVM模型对危重患者30 d全因死亡率预测与传统的SAPS-Ⅱ评分效能相仿,而RF模型对危重患者的预后预测更加精准。

• 单位
  深圳市人民医院