基于XGBoost算法的增生型糖尿病视网膜病变预测模型的建立及可视化实现

作     者：梁芳 朱广晶 吴婕 余丰 LIANG Fang;ZHU Guangjing;WU Jie;YU Feng

作者机构：苏州大学附属理想眼科医院眼科江苏苏州215000 

出 版 物：《当代医学》 (Contemporary Medicine)

年 卷 期：2024年第30卷第2期

页      面：8-12页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100212[医学-眼科学] 10[医学] 

主　　题：增生性糖尿病视网膜病变 预测模型 XGBoost算法 机器学习 

摘      要：目的利用H2O机器学习平台,建立增生性糖尿病视网膜病变(PDR)预测模型,旨在为PDR的临床诊疗提供指导。方法选取2019年1月至2021年1月于苏州大学附属理想眼科医院体检中心及住院部连续就诊的350例糖尿病视网膜病变(DR)患者作为研究对象,根据DR类型的不同分为非增生性糖尿病视网膜病变(NPDR)组(n=256)与PDR组(n=94)。比较两组临床资料。尝试多种机器学习算法,建立预测模型,通过绘制ROC曲线、计算混淆矩阵,明确最佳模型,并通过可加性解释模型(SHAP)分析、局部可解析性算法(LIME)及部分依赖图(PDP)等可视化方法呈现重要特征在预测中的作用。结果两组糖尿病(DM)病程、体力活动、体重指数(BMI)、腰臀比、血压、高密度脂蛋白胆固醇、空腹血糖、空腹胰岛素、糖化血红蛋白、谷丙转氨酶(ALT)水平及高血压、脂肪肝、吸烟、饮酒占比比较差异有统计学意义(P0.05)。机器学习最佳模型为XGBoost,该模型Gini值0.997,R^(2)为0.926,重要特征包括DM病程、高密度脂蛋白胆固醇及空腹胰岛素。结论本研究基于XGBoost算法建立PDR临床预测模型,通过可视化呈现重要特征在预测中的作用,为PDR临床诊疗提供了新的思路。