利用常规血液检测预测冠心病
医学物理
2018-09-26 v1 定量方法
摘要
背景——本研究的目的是探讨常规血液检测结果与冠心病（CHD）风险的关联，将其纳入冠心病预测模型，并将该方法的判别性能与其他预测函数进行比较。方法与结果——本工作设计为基于医院的队列回顾性单中心研究。5060名CHD患者（2365名男性，2695名女性）基线年龄为1至97岁，具有8年（2009—2017）病历、5051份健康体检和5075例其他疾病。我们基于常规血液数据开发了一个两层梯度提升决策树（GBDT）模型来预测冠心病风险，该模型可识别出86%的冠心病患者。我们构建了一个包含15000份常规血液检测结果的数据集。使用该数据集，我们训练了两层GBDT模型以分类健康状态、冠心病和其他疾病。机器学习分类结果表明，对所有数据检测健康数据的灵敏度约为93%，对包含冠心病在内的疾病数据检测CHD的灵敏度为93%。在此基础上，我们进一步可视化了常规血液结果与相关数据项之间的相关性，在所有数据呈现中健康与冠心病存在明显模式，可用于临床参考。最后，我们从病理生理学角度对上述结果作了简要分析。结论——常规血液数据通过检测结果与相关数据项之间的相关性提供了比我们已知更多的CHD信息。利用GBDT算法开发了一个简单的冠心病预测模型，可使医生对无显性CHD的患者预测其CHD风险。
引用
@article{arxiv.1809.09553,
title = {Prediction of Coronary Heart Disease Using Routine Blood Tests},
author = {Ning Meng and Peng Zhang and Junfeng Li and Jun He and Jin Zhu},
journal= {arXiv preprint arXiv:1809.09553},
year = {2018}
}