预测动脉粥样硬化风险因素的新方法

由胆固醇引起的动脉壁硬化（即动脉粥样硬化）所导致的冠心病（CHD）是全球大量死亡的原因。该疾病进展缓慢、无症状，并可能导致猝死、中风或心肌梗死。目前，成像技术正被用于了解动脉粥样硬化斑块的分子和代谢活动以评估风险。尽管成像方法能提供有关斑块代谢的一些信息，但它们缺乏检测所需的分辨率和灵敏度。在本文中，我们考虑个体的临床观察和生活习惯来预测冠心病的风险因素。识别风险因素有助于对患者进行分层，以便进行进一步的强化测试，如核成像或冠状动脉造影。我们提出了一种结合内置插补算法和粒子群优化（PSO）的新方法来预测动脉粥样硬化的风险因素。我们在 STULONG 数据集上比较了我们的方法与其他机器学习技术的性能，该数据集基于对中年个体长达二十年的纵向研究。由 PSO 搜索驱动的方法除了其他已知因素外，还确定缺乏体力活动是动脉粥样硬化发作的风险因素之一。我们的方法提取的决策规则能够以$99.73$的准确率预测风险因素，高于目前用于动脉粥样硬化风险研究识别的最先进（state-of-the-art）机器学习技术所获得的准确率。