机器学习模型用于预测吸烟相关健康衰退与疾病风险
机器学习
2026-01-27 v1 新兴技术
摘要
吸烟仍是全球死亡的主要可预防原因之一，通过损伤心脏、代谢、肝脏和肾脏影响数百万人。然而，当前的医学筛查方法常常错过吸烟相关健康问题的早期警示信号，导致患者在治疗选项有限时才被诊断。本研究系统评估了机器学习方法用于吸烟相关健康风险评估，强调临床可解释性和实际部署，而非算法创新。我们分析了来自55,691名个体的健康筛查数据，考察了 various health indicators，包括体测指标、血液检测和人口学信息。我们测试了三种先进的预测算法——随机森林、XGBoost和 LightGBM——以确定哪种方法能最准确地识别出高风险人群。本研究采用横断面设计，基于健康筛查生物标志物对当前吸烟状态进行分类，而非预测疾病发展。我们的随机森林模型表现最佳，达到0.926的ROC曲线下面积（AUC），意味着它能够可靠地区分高风险和较低风险个体。通过SHAP（SHapley Additive exPlanations）分析了解模型检测到的关键因素，我们发现关键健康标记在预测吸烟者的健康衰退方面发挥了 crucial作用：血压水平、甘油浓度、肝酶读数和肾功能指标（血清肌酐）是吸烟者健康衰退最强的信号。
引用
@article{arxiv.2511.14682,
title = {Machine Learning Models for Predicting Smoking-Related Health Decline and Disease Risk},
author = {Vaskar Chakma and MD Jaheid Hasan Nerab and Abdur Rouf and Abu Sayed and Hossem MD Saim and Md. Nournabi Khan},
journal= {arXiv preprint arXiv:2511.14682},
year = {2026}
}
备注
This paper has been officially accepted for publication in the Journal of Intelligent Medicine and Healthcare. Once the final published version is available online, this document will be updated accordingly