基于机器学习预测动脉瘤性蛛网膜下腔出血预后模型的临床研究与应用

作者：杨翀; 李旭东; 吕良福; 张靖悦; 袁恒杰^*; 张毅^*

来源：中国医院药学杂志, 2023, 1-9.

• 不平衡数据
• 颅内动脉瘤
• 蛛网膜下腔出血
• 机器学习
• 算法

目的：构建基于机器学习算法的动脉瘤性蛛网膜下腔出血（aSAH）预后预测模型。方法：回顾收集2020年10月至2021年9月在天津市环湖医院治疗的326例aSAH患者临床数据，按7:3随机划分训练集和测试集，训练集用于构建预测模型，测试集用于评价模型效果。采用SMOTE过采样技术处理不平衡数据，使用最小绝对收缩和选择算子(Lasso)分析来选择最佳特征。基于最优特征，应用基于机器学习的逻辑回归（LR）、BP神经网络、K最近邻（KNN）、随机森林(RF)、决策树(DT)、支持向量机（SVM）、朴素贝叶斯(NB)和XGBoost算法构建预测模型。结果：采用Lasso回归对变量进行筛选，获得11个最优特征。LR、BP神经网络、KNN、RF、DT、SVM、NB和XGBoost模型的准确率分别为0.847、0.847、0.816、0.867、0.806、0.827、0.745、0.816；AUC分别为0.784、0.794、0.646、0.821、0.499、0.765、0.737、0.676。结论：机器学习模型在预测aSAH预后方面有较好的效果，其中RF模型性能最佳。

• 单位
  天津大学; 数学学院; 天津市环湖医院; 天津医科大学总医院