自动化机器学习如何提升心血管风险评估

前言

心血管疾病是全球主要死亡原因。目前的风险预测工具，如各种风险评分，存在局限性。自动化机器学习（AutoML）能够处理大量数据集，构建定制化模型，且无需深厚的数据科学专业知识，为改善心血管疾病风险预测提供了潜力。

本研究利用来自LURIC研究和UMC/M研究两个临床数据集，构建了AutoML模型，分三个阶段预测脂蛋白(a)、特定心血管疾病及心血管相关死亡率。

研究方法

主要数据集

1. LURIC研究数据集：
   • 数据收集于1997年至2000年，后续随访持续至2010年。
   • 纳入了德国莱茵-内卡地区的3316名接受冠状动脉造影的患者。
   • 数据集包含3058个患者参数（特征），经过整理合并为单一电子表格。
2. UMC/M数据集：
   • 收集了2017年至2020年间某中心（原文为UMC/M，此处代指）脂质学门诊的患者记录。
   • 纳入了423名患者，包含267个特征。
   • 数据同样经过整理合并。

数据准备

• 对数据集进行了特征丰富化和转换（例如，将数值变量转换为分类变量）。
• 为进行跨数据集比较，创建了仅包含两个数据集共有特征的简化版本（LURIC-Common和UMC/M-Common），包含36个共同特征。
• 针对心血管死亡率预测，从LURIC数据集中策划了四个不同的特征列表（EoL-1至EoL-4）。

自动化机器学习分析

• 使用某机构的AutoML平台进行分析。
• 流程包括：上传数据集、选择预测目标、执行探索性数据分析、自动建模。
• 数据集被划分为训练集、验证集和保留集。
• 模型根据其性能指标（主要使用曲线下面积AUC）进行排名和选择。
• 为最小化过拟合，采用5折交叉验证。

模型解释

• 使用“特征影响”和“特征效应”函数来理解模型决策。
• 在第二和第三阶段，使用SHAP（SHapley Additive exPlanations）值进行模型解释和可视化。

研究结果

第一阶段：识别Lp(a)和心血管疾病事件的决定因素

• 模型性能：构建的模型在交叉验证中AUC值范围为0.62至0.91，平均AUC为0.77，表明模型具有良好的区分能力。
• 关键发现：
  • Lp(a)水平：在LURIC数据集中，冠心病（CAD）的存在是预测Lp(a)升高的最有影响力的特征；在UMC/M数据集中，左心室功能是最有影响力的特征。
  • 冠状动脉疾病：在两个数据集中，“年龄”都是预测CAD的最强特征。在LURIC模型中，Lp(a)是前十大决定因素之一。
  • 其他心血管疾病：对于心肌梗死（MI）和急性冠状动脉综合征（ACS），NTproBNP是一个高影响力的特征。对于中风，颈动脉狭窄是一个强有力的预测因素。

第二阶段：在外部数据集上验证模型

• 目标：评估在LURIC-Common数据集上训练的模型，在UMC/M-Common数据集上的预测性能。
• 模型性能：所选模型在外部验证中的AUC值范围为0.65至0.81，平均AUC为0.74，性能略有下降但仍具鲁棒性。
• 模型解释：
  • 对于CAD预测，最有影响力的特征包括“他汀类药物治疗”、“年龄”、“性别”和“NTproBNP水平”。
  • SHAP分析（如蜂群图、决策图）清晰展示了各个特征如何影响模型对个体患者的预测。

第三阶段：心血管死亡率风险预测

• 模型性能：使用四个不同特征列表训练的死亡率预测模型，在交叉验证中AUC值范围为0.74至0.85。其中，基于正则化逻辑回归（L2）的EoL-1模型表现最佳（AUC=0.85）。
• 关键特征：在大多数死亡率模型中，“年龄”和“NTproBNP”是重要的预测因子。“维生素D25”的影响则因模型而异。
• 数据漂移分析：将EoL-1模型应用于UMC/M数据集进行外部验证时，发现了数据漂移（例如，年龄分布与训练数据不同）。这凸显了对预测模型进行持续监控和调整的必要性。

讨论

• 本研究首次系统地将AutoML应用于评估Lp(a)与心血管疾病临床数据集中其他风险因素的关系。
• AutoML能够识别传统和非传统的心血管风险决定因素，并构建具有良好预测性能的模型。
• 第二阶段验证了模型在外部数据集上的一定普适性。
• 第三阶段的死亡率模型展示了机器学习在长期预后预测方面的潜力，同时数据漂移分析强调了模型在临床部署中需要具备适应性。
• 局限性：研究基于回顾性数据；两个队列存在差异；UMC/M队列缺乏死亡率随访数据，限制了第三阶段模型的完全外部验证；模型为二元分类而非生存分析模型。

结论

本研究证明，AutoML能够有效分析复杂临床数据，识别心血管疾病的关键决定因素，并构建稳健的风险预测模型。通过将Lp(a)置于更广泛的特征背景中评估，AutoML揭示了其在多种心血管结局中的细致作用。随着医疗数据的不断演进，将这些先进的预测工具整合到临床实践中，有望实现更个性化、精准和自适应的医疗系统，从而改善患者预后，减轻全球心血管疾病负担。