基于机器学习算法的NT-proBNP灰值患者心力衰竭判别模型评价

• 作者: 谢秋华 鲁作华 邓生琼 刘倩倩 徐莉敏 张登海 刘兴晖
• 来源期刊: 同济大学学报（医学版）
• 关键词: NT-proBNP 心力衰竭 机器学习算法
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 临床研究|Clinical Research
• 页码范围: 375-380
• 页数: 6页
• 分类号: R311
• 语种: 中文
• DOI: 10.12289/j.issn.1008-0392.20433

摘要

目的 应用机器学习算法构建氨基末端脑钠尿肽(N-terminal pro-brain natriuretic peptide,NT-proBNP)灰值患者心力衰竭判别模型并评价.方法 收集2013年1月至2018年12月在上海市浦东新区公利医院进行NT-proBNP 实验室检测的患者临床资料和实验室检测信息,数据清洗后纳入研究对象,并按7:3的比例划分训练集和测试集.用L1范数正则化和递归特征消除方法对特征进行筛选.应用基于机器学习的Logistic回归、随机森林、梯度提升树和XGBoost算法构建模型,比较4种方法构建的模型对NT-proBNP灰值患者心力衰竭判别价值.结果 按重要性筛选出模型因子年龄、性别、肌酸激酶同工酶、肌酐、肌红蛋白、肌钙蛋白Ⅰ、血红蛋白、白细胞计数.Logistic回归、随机森林、梯度提升树和XGBoost四种模型灵敏度分别为58.42％、56.83％、65.74％和60.04％;特异度分别为57.47％、68.18％、60.13％、65.93％.结论 基于机器学习建立的NT-proBNP灰值患者心力衰竭判别模型有一定临床价值,本研究结果应用价值有待于更大样本进行验证.