[发明专利]针对多病共患老年病人的经皮冠状动脉介入治疗后心肌梗死风险预测模型的构建方法及应用

权利要求书

1.一种针对多病共患老年病人的经皮冠状动脉介入治疗后心肌梗死风险预测模型的构建方法，其特征在于，其包括如下步骤：

S1、收集多病共患老年病人冠状动脉粥样硬化性心脏病患者的临床术前术后化验和预后数据，并进行初步的数据筛选和过滤，确认受试者入选，构建数据集；

S2、利用轻量梯度提升机方法对数据集进行特征筛选，将最终筛选出的指标作为风险因素；

S3、利用最终筛选出的指标进行机器学习建模，并进行性能评估；

S4、构建危险因素对个人贡献的计算方法，用于进一步分析S3模型的结果；

S5、构建在线工具，利用步骤S3、S4模型进行预测模型的构建。

2.根据权利要求1所述的构建方法，其特征在于，在步骤S1中，所述皮冠状动脉粥样硬化性心脏病患者的临床术前术后化验和预后数据包括性别，年龄，身高，体重，LVEF，术前血清肌酐，COPD，外周血管疾病史，既往PCI，既往CABG，糖尿病，高血压病，高血脂血症，冠心病家族史，既往脑血管病史，既往外周血管病史，吸烟史，既往心肌梗死，心绞痛类型，RCA，LM，LAD，LCX，入院收缩压，入院舒张压，入院心率不齐，BNP，大内皮素，ESR，术前血红蛋白，术前血小板计数，术后血小板分布宽度，术前白细胞计数，HbA1C，尿微量白蛋白，hsCRP，CHO，LDL，HDL，Lpa，术前血清肌酐，术后血清肌酐，术后血红蛋白，术后血小板计数，术后白细胞计数。

3.根据权利要求1所述的构建方法，其特征在于，在步骤S1中，经初步的数据筛选和过滤，确认受试者入选的标准为年龄＝65岁，采用K近邻算法筛选出最靠近阳性样本的样本作为阴性样本。

4.根据权利要求1所述的构建方法，其特征在于，在步骤S2中，筛选方法为：构建以S1构建的数据集的所有特征为输入，以是否发生术后心肌梗死事件为目标构建轻量梯度提升机模型；训练收敛后，使用feature_importance函数查看各个特征对于正确分类的贡献，并按照从大到小排序；迭代地从大到小的加入特征，构建新的随机森林模型，最终选取新模型中AUC最大的模型对应的特征作为最终筛选出的特征。

5.根据权利要求1所述的构建方法，其特征在于，在步骤S2中，最终筛选出的指标包括：年龄，体重，术后血清肌酐，术后白细胞计数，入院舒张压，术后血小板分布宽度，LDL，术后血红蛋白，外周血管疾病，既往PCI，既往CABG，糖尿病，高血压病，高血脂血症，既往脑血管病史，既往外周血管病史。

6.根据权利要求5所述的构建方法，其特征在于，在步骤S3中，利用步骤S2筛选出的指标和步骤S1构建的数据集，重新训练随机森林模型，绘制AUC曲线，保存为二进制模型文件；并构建患者的基于步骤S2筛选出的指标的特征向量，将特征向量输入模型后，便得到模型预测出的发生心肌梗死事件的概率。

7.根据权利要求6所述的构建方法，其特征在于，在步骤S4中，构建危险因素对个人贡献的计算方法是和

其中，是第k个样本的第i个特征的值，m是最终筛选出特征的总数；因此，是虚拟特征向量，其中第i个特征为零，F^k是原始特征向量，RF代表S3步骤中训练好的预测模型；

当计算危险因素贡献时，应先加载步骤S3中保存的二进制模型文件，再构建如上所述的特征向量和F^k，将两个向量输入到加载的模型中即可得到对应于两个向量的患病概率，再相减得到风险贡献度Ci。