自动化机器学习在疾病预测中的应用：以心脏病预测为例

摘要

目的 使用自动化机器学习（automated machine learning,AutoML）算法建立心脏病预测模型，为高危人群健康风险预警和健康宣教提供方法。方法 采用心脏病数据集，首先进行组间比较，利用AutoML算法使用全部变量建立五个可解释的心脏病预测模型，通过曲线下面积（area under curve,AUC）值评估模型性能。通过变量重要性分析、SHAP(Shapley additive explanation)值蜂群图、部分依赖图和个体条件期望图对模型进行解释。基于解释结果及相关文献筛选重要变量，选择AutoML算法中所有模型进行建模，根据AUC值筛选出最优模型，利用其开发用户交互界面。结果 使用全部变量建立的可解释最佳模型为梯度提升机，AUC值为0.834；筛选变量后，构建的最佳模型为堆叠集成模型，AUC值为0.833。结论 AutoML算法能快速、有效地构建心脏病预测模型。模型解释增强了模型透明度和可信度，优化了特征选择。组合模型性能优于单一模型。交互式可视化界面显著提升了模型的实用价值。

关键词

自动化机器学习模型 / 心脏病预测 / 模型解释