-
题名基于因果特征的卒中死亡预测模型
- 1
-
-
作者
王梓阳
杨林
李姣
-
机构
中国医学科学院/北京协和医学院医学信息研究所
中国医学科学院医学信息智能技术重点实验室
-
出处
《中国生物医学工程学报》
北大核心
2025年第3期312-324,共13页
-
基金
中国医学科学院医学与健康科技创新工程项目(2021-I2M-1-056)
北京市自然科学基金重点项目(Z200016)。
-
文摘
应用因果学习的方法选择因果特征,以提高卒中死亡预测模型的鲁棒性和泛化性。选取MIMIC重症数据库为数据源,提出融合因果特征的卒中结局预测方法。该方法应用贪婪等价搜索(GES)生成因果图,通过马尔可夫边界理论选择因果特征,并将特征用于分类器以获取最终的死亡风险概率。选择接受者操作特征曲线下面积(AUROC)、F1分数等分类指标对比因果特征与基线特征选择方法的性能。从MIMIC数据库中选择了6021条卒中记录,因果特征选择方法在训练集中选择了26个卒中死亡因果特征,并在测试集中实现了0.90的AUROC性能,在外部验证数据中也实现了0.83的AUROC性能,均优于基线方法。在卒中死亡预测中,基于因果学习的特征选择方法相比于常用的特征选择方法有更好的预测效能、鲁棒性和泛化性,并且利用因果图能够解释特征与卒中死亡之间的潜在因果关系。
-
关键词
因果学习
脑卒中
死亡预测模型
-
Keywords
causal learning
stroke
mortality prediction model
-
分类号
R318
[医药卫生—生物医学工程]
-
