使用深度人工神经网络和机器学习方法集成预测急性心肌梗死的致命结局（原因）并理解关键生物标志物

心血管疾病仍然是世界范围内导致死亡的主要原因之一。急性心肌梗死（MI），或心脏病发作，每年夺去数百万人的生命。当冠状动脉的血流被阻塞或减少时，就会发生 MI，导致心肌永久性损伤。如果不进行治疗，这可能导致心脏骤停，心脏停止向器官泵血，导致器官衰竭和死亡。即使是幸存者也经常面临严重的问题，如心力衰竭、肺水肿和心搏停止。研究表明，5% 至 10% 的幸存者在 MI 后第一年内死亡，近一半需要再次住院。早期溶栓治疗可带来更好的结果，因此显然需要更快、更准确的方法来诊断 MI。目前，医生通常查看患者病史并利用自己的经验来找出 MI 的原因。这个过程耗时且可能不一致。准确快速地检测 MI 可以帮助患者更好地照顾自己并预防致命事件。在本研究中，我们引入了一个自动化模型来预测 MI 的致命结局，并帮助医生理解与其并发症相关的重要生物标志物。这种方法旨在使诊断更清晰、更快、更经济。该过程包括数据准备、缺失值填充以及使用 SVMSMOTE、ADASYN 和类加权方法处理不平衡数据。我们使用包装器和嵌入式特征选择来找到最重要的变量，然后缩放特征以保持一致性。该模型结合了逻辑回归、随机森林、Light-GBM 和 Bagging SVM，并通过人工神经网络进一步改进以提高准确性。我们使用精确率、召回率和其他关键指标评估所有模型，以找到最适合临床使用的选项。