基于Xgboost的心血管疾病预测模型和指标分析研究

作者：陈洞天; 单杰; 周文丹

来源：现代医院, 2021, 21(06): 958-961.

• 机器学习
• Xgboost
• 心血管疾病
• 可解释性
• 特征重要性

目的建立一种基于Xgboost机器学习算法的心血管疾病预测模型,并分析各指标对于最终预测结果的影响。方法采集诊断为冠心病、心肌梗塞等心血管疾病的病例和未诊断为心血管疾病的患者,合计1 000病例数据,通过Xgboost机器学习算法训练得出心血管疾病风险预测模型,并对模型进行可解释性分析。结果该风险预测模型的准确率在76.5%,预测结果相对可靠;此外,模型的可解释性分析结果得出了各指标的影响规律。结论 Xgboost对以心血管疾病为例的疾病预测具有较好的效果,并且通过可解释性分析能直观地总结各指标的影响规律。

• 单位
  华中科技大学同济医学院附属同济医院; 长江航运总医院