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: 冷文修 刘燕玉 刘继轩 吴欢 应俊 杨跃进 薛万国
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: PCI术预后 MACE 机器学习 非均衡分类问题
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 数字医学基础研究与应用
• 页码范围: 2-5
• 页数: 4页
• 分类号: R319
• 字数: 3004字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2018.08.001

摘要

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、AdaBoost、Bagging、Random Forest (RF)和Na(i)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.