趁着机器学习斩获双诺贝尔奖的热潮，光宝前段时间持续分享了几篇机器学习的文献，小伙伴们关注度都挺高。
但是也有粉丝留言反馈，用机器学习做预后模型，好像来回就那几种模式，还有其它更新颖的玩法吗？
带着这个问题，光宝正好查到今天这篇21.7分的顶刊文章《Journal of the American College of Cardiology》，发现作者也是用机器学习构建复发性心包炎的临床模型，特别的是，作者提出了新风险分层模型，值得小伙伴一起来关注。
1、创新的风险分层模型建立：作者基于365名复发性心包炎患者的数据，开发了机器学习生存分析模型。除了传统Cox模型，还整合了随机森林、SVM和梯度提升等先进算法。通过多种机器学习算法的整合应用，作者首次成功的构建了复发性心包炎的分层模型。创新算法应用与疾病细分类型的筛选，是发高分的基本保证！
2、传统统计+机器学习算法的整合：作者利用SHAP值，从患者的多种临床特征中，筛选出与模型紧密相关的变量。在提升模型预测能力的同时，还保证了其可解释性，利于临床应用。
PS：机器学习新思路已经送到眼前，机会总是留给有准备的人，而我们，就是您准备的第一步，想抓热点选题、想整合多样化数据、想要创新性分析？都可以直接联系光宝，背靠坚实团队，服务一步到位~
定制生信分析
云服务器租赁
(加微信备注99领取试用)
题目：预测复发性心包炎患者的长期临床预后
杂志：Journal of the American College of Cardiology
影响因子：IF=21.7
发表时间：2024年9月
公众号回复“XXX”领取原文PDF，文献编号：241024
研究背景
复发性心包炎（RP）影响超过30%的急性心包炎患者。治疗复杂，常规疗法效果有限。本研究分析大量RP患者数据，旨在识别关键因素，建立风险评估模型。
数据来源
这项研究基于2012至2019年克利夫兰诊所连续365名复发性心包炎（RP）患者的数据。
研究思路
本研究回顾2012至2019年连续365例复发性心包炎患者的医疗记录，应用五种机器学习生存模型预测5年内临床缓解概率，将患者分为高、中、低风险组。利用SHAP值优化模型，确定10个关键变量。通过Kaplan-Meier曲线和ROC评估风险分层效能，Cox回归验证缓解率差异。
研究结果
1.整体队列和结果组的基线特征
研究分析了365例复发性心包炎患者，随访35个月（16-88月），平均年龄46岁。数据显示复发中位数为3次，利用机器学习模型，结合多种变量预测临床缓解概率。结果显示，32%患者实现了CR，且这些患者往往为男性，年龄较大，且有特发性或PCIS病因，心率中位数较低，复发次数较少。
表1：整体队列和结果组的基线特征
2.XGB模型在测试集上的表现及特征重要性分析
本研究采用XGB模型，基于34个变量进行训练，未进行特征选择。模型比较显示，XGB预测表现最佳，C指数为0.778。SHAP分析识别出20个关键变量，其中类固醇依赖、复发次数和心率对预测临床缓解至关重要。
表2：比较不同模型的预测性能
图1：XGB模型和功能重要性的全球解释
3.连续变量对模型输出影响的SHAP分析
研究利用SHAP依赖图分析了心率、心包炎复发次数、年龄、LVEF对临床缓解（CR）的影响。发现心率增快降低CR概率；复发3次后对CR影响稳定；55岁以上CR概率上升；LVEF超60%时CR概率减少。这些发现帮助将变量分组，优化模型预测精度。
图2：SHAP特征依赖图
4.风险模型和模型评估
研究采用递归筛选法选出10个关键变量，并运用多变量分析验证了这些变量。比较了多种模型，发现CPH和GBSA模型在测试集上均获得了最高的C指数0.800。基于易解释性和临床适用性，选择了CPH模型进行风险分层。通过β系数为变量赋分，计算了患者的总风险分数。风险分层表明，随着风险分数的增加，CR率下降。Kaplan-Meier和时间-ROC曲线验证了模型在不同风险组中预测CR的有效性。Cox回归分析也显示，低风险组的CR率显著高于高风险组。这些发现突显了该模型在识别复发性心包炎高风险患者中的潜力。
表3：风险模型和模型评估
文章小结
本研究采用先进方法，如机器学习、Cox模型和SHAP分析，预测复发性心包炎的临床结果。研究基于克利夫兰诊所的丰富数据，揭示了关键影响因素，方法创新，逻辑严密，样本量大，发表在高影响力期刊，实至名归。在当前“机器学习”如日中天之际，如何将其应用进我们自己的研究，提升下B格？如何创新地构建预后模型？答案尽在光宝团队！我们不只是提供服务，我们提供专属于您的解决方案，量身定制让科研每一步都精准有力！
生信光公众号持续为大家带来最新生信思路，更多创新性分析思路请查看往期推荐。想复现这种思路或者定制更多创新性思路欢迎直接call光宝，我们团队竭诚为您的科研助力！
文献思路复现
定制生信分析
服 务 器 租 赁
扫码咨询光宝
【往期推荐】
