基于可解释机器学习模型预测靶血管血运重建

作者：曹杨; 李颖颖; 李鹏霄; 严育东; 裘淼涵; 李晶; 李毅^*; 韩雅玲^*

来源：临床军医杂志, 2022, 50(10): 1004-1009.

DOI：10.16680/j.1671-3826.2022.10.04

• 靶血管血运重建
• 预测模型
• 机器学习
• 经皮冠状动脉介入治疗

目的 针对经皮冠状动脉介入治疗(PCI)的患者，构建靶血管血运重建(TVR)的临床风险预测模型。方法 对自2009年7月至2011年8月在郑州大学第一附属医院进行的观察性队列研究结果进行二次分析。根据是否发生TVR将患者分入TVR组和非TVR组。临床特征、实验室检查、病变及手术特征、院外用药情况作为潜在预测因素被纳入。使用多重插补填补缺失值后构建随机森林模型，并使用SHAP(SHapley Additive ExPlanations)值对模型进行可解释性分析。结果 模型在预测TVR上达到了中等准确性(曲线下面积=0.71)。变量重要性排序提示支架平均直径、收缩压、血肌酐、支架类型为重要的预测变量。基于SHAP值可将模型对特定患者的预测过程可视化。结论 可解释机器学习模型可以有效地早期识别TVR风险较高的患者，并辅助临床决策。

• 单位
  中国人民解放军空军军医大学; 沈阳药科大学