高斯过程模型对慢性心衰患者1年内再入院的风险评估

作者：张传备; 李方; 翟春晓; 余永明; 舒明雷; 王艺丹; 徐良栋; 郝恩魁^*

来源：山东大学学报(医学版), 2020, 58(06): 28-33.

• 左室功能减低
• 高斯过程模型
• 超声心动图
• 1年再入院率

目的探讨通过使用高斯过程模型(GPM)和超声心动图参数建立的风险预测模型对慢性左室收缩功能减低(LVSD)心衰患者进行1年再入院风险评估的临床价值。方法收集并整理慢性LVSD患者290例,以1年内再入院为本研究终点。所有患者行常规超声心动图检查,并收集二尖瓣反流、三尖瓣反流、胸腔积液、心包积液、肺动脉收缩压、左心室内径及左室射血分数等参数数据。将290例患者随机分为70%训练数据和30%测试数据,使用机器学习算法对训练数据集进行信息交互分析,评估各项参数的重要性,并融合多超声参数建立GPM预测系统模型。随后利用GPM风险预测系统模型对测试数据集患者1年内再入院风险进行分析,将所有患者纳入超声心动图参数积分系统(超声积分系统)进行预测,最后通过受试者工作特征曲线(ROC)对两种方法进行分析比较。结果利用GPM信息交互分析各项超声心动图参数的权重分别为:二尖瓣反流23.64%,三尖瓣反流22.09%,胸腔积液16.18%,心包积液14.36%,肺动脉收缩压9.04%,左心室内径8.86%,左室射血分数5.83%。基于GPM的风险预测系统与超声积分系统的受试者工作特征曲线下面积(AUC)分别为83.10%(95%CI:0.797～0.864)和70.60%(95%CI:0.647～0.765)。结论基于超声心动图参数的高斯过程模型能够很好的预测LVSD患者1年再入院风险,并优于超声参数积分系统。

• 单位
  山东大学; 德州市人民医院; 山东省千佛山医院; 济南市中心医院; 材料学院; 潍坊医学院