急性A型主动脉夹层破裂风险预测:基于特征选择与数据增强的混合集成模型创新研究

《Scientific Reports》:Acute type A aortic dissection rupture factors prediction using a hybrid ensemble model with feature selection and data augmentation

【字体: 大 中 小 】 时间:2025年12月07日 来源:Scientific Reports 3.9

编辑推荐:

  本研究针对急性A型主动脉夹层(TAAD)破裂风险预测的临床难题,提出了一种融合Boruta特征选择、CTGAN数据增强与Blending集成策略的创新框架。通过分析200例TAAD患者数据,模型筛选出CKMB、乳酸等关键预测因子,并生成900例高保真合成样本,最终集成模型AUC达0.978,灵敏度为0.920。该研究突破了小样本与特征冗余限制,为急诊分诊提供了高精度、可解释的决策工具,对优化医疗资源配置具有重要意义。

  
急性A型主动脉夹层(TAAD)是一种起病凶险、死亡率极高的心血管急症,患者发病后每小时死亡率增加1%-2%,若未及时治疗,一周内死亡率高达70%。随着人口老龄化与高血压患病率上升,全球TAAD发病率呈持续增长趋势。尽管孙氏手术等外科技术显著改善了患者预后,但手术时长长达5-10小时且对医疗资源要求极高,许多患者在等待手术期间因主动脉破裂猝死。当前临床决策主要依赖医生经验与影像学评估,缺乏能够在入院时快速识别破裂高风险患者的量化工具。现有研究多聚焦于术后死亡率预测,且存在样本量小、特征冗余、模型单一等局限,亟需开发兼顾精度与可解释性的风险预测新方法。
为解决这一临床痛点,来自福建省立医院心脏外科与厦门大学信息学院的联合团队在《Scientific Reports》发表最新研究,构建了一种融合特征选择、数据增强与集成学习的TAAD破裂风险预测框架。研究团队首先利用Boruta算法从87个临床特征中筛选出最具预测价值的指标,接着采用条件表格生成对抗网络(CTGAN)将原始200例样本扩展至1100例,最后通过Blending集成策略融合随机森林(RF)、XGBoost等8种基模型优势,显著提升了模型泛化能力。
研究方法核心包括三方面技术突破:其一,通过Boruta算法结合随机森林重要性评估与统计假设检验,以“影子特征”为基准筛选出CKMB、肌酐(Cr)、乳酸(Lac)等10个关键预测因子;其二,利用CTGAN对连续变量进行多模态分布建模,生成与原始数据分布高度一致的合成样本(Jensen-Shannon散度仅0.093);其三,采用两层Blending架构,将基模型预测概率作为元特征输入逻辑回归(LR)元模型,实现异质模型的动态权重分配。
模型性能验证
在内部验证中,Blending集成模型的曲线下面积(AUC)达到0.978,准确率与F1分数分别为0.923和0.919,显著优于单一模型。XGBoost虽表现优异(AUC 0.969),但集成模型通过纠正个体偏差进一步将灵敏度提升至0.920,极大降低漏诊风险。外部验证采用国际主动脉夹层注册库(IRAD)的900例样本,模型AUC保持0.97以上,证实其跨中心适用性。
关键特征识别
Boruta算法揭示心肌损伤标志物CKMB(Z值22.38)和CK(Z值13.77)为最强预测因子,代谢指标乳酸(Z值9.38)与肾功能标志物肌酐(Z值12.85)的重要性超越传统影像学参数。SHAP与LIME可解释性分析进一步验证这些特征对预测结果的贡献度,例如高CKMB值与乳酸水平共同推高破裂风险概率,而射血分数(EF)提升则降低风险。
数据增强效能
CTGAN在多项分布相似性指标上均优于SMOTE等传统方法,其合成数据与原始数据的t-SNE投影呈现高度重叠,地球移动距离(EMD)低至0.292。消融实验表明,移除CTGAN后模型灵敏度下降7.3%,证实数据增强对捕捉罕见特征组合的关键作用。
优化算法比较
贝叶斯优化(BO)在超参数调优中展现高效性,仅需38次迭代即可达到0.978的AUC,较Hyperband节省27%计算资源。其高斯过程代理模型能精准定位最优参数空间,避免局部最优陷阱。
研究结论强调,该框架首次实现了TAAD入院时破裂风险的精准量化预测,突破传统模型对术后结局预测的局限。通过CTGAN缓解临床小样本困境,结合Blending集成与可解释性分析,既保障预测精度又满足临床决策的透明性需求。未来工作将聚焦多中心前瞻性验证,并探索动态影像序列与血流参数融合的多维预测模型。
局限性包括单中心回顾性数据可能引入选择偏倚,CTGAN生成样本对罕见病例的覆盖度仍需优化。此外,当前模型未整合连续影像时序特征,这可能是未来提升预测效能的重要方向。尽管存在上述限制,该研究为急诊场景下TAAD风险分层提供了切实可行的AI解决方案,对医疗资源匮乏地区的临床实践具有重要推广价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号