基于机器学习方法的PCI术预后主要不良心血管事件预测模型研究

作者：吴欢; 薛万国; 应俊; 冷文修; 刘继轩; 刘燕玉; 杨跃进^*

来源：中国数字医学, 2018, 13(08): 2-5.

DOI：10.3969/j.issn.1673-7571.2018.08.001

• PCI术预后
• MACE
• 机器学习
• 非均衡分类问题

目的:通过对比分析六种典型机器学习方法构建的PCI术后12个月MACE(主要不良心血管事件)风险预测模型,获得最优MACE风险预测模型。方法:利用随机抽样和SMOTE方法进行样本均衡化处理,再分别利用CART回归树、C4.5条件树、Ada Boost、Bagging、Random Forest(RF)和Na?ve Bayes六种机器学习方法构建MACE风险预测模型。结果:SMOTE方法处理后的训练集可以提高预测模型的预测能力。利用RF算法构建的模型预测精度达到88.7%,预测能力明显优于其他模型。结论:利用RF算法构建的PCI术后发生MACE的风险预测模型,可有效帮助医护人员对患者提早进行干预指导,降低患者不良事件的发生。

• 单位
  中国人民解放军总医院; 中国医学科学院阜外医院; 铜仁学院