基于SMOTE-Tomek与SHAP可解释性分析的脑卒中风险预测模型研究

摘要

脑卒中是高致死率的急性脑血管疾病，对其进行早期风险预测对临床预防意义重大。然而，脑卒中数据存在严重的类别不平衡问题，传统模型难以有效识别少数类别样本。为此，本文首先采用合成少数类过采样技术-托梅克链接(SMOTE-Tomek)混合采样方法处理类别不平衡问题；其次，对比线性模型、树模型和集成模型等7种机器学习模型在采样后数据上的性能差异；最后，采用沙普利加性解释(SHAP)方法进行特征重要性分析。实验表明：SMOTE-Tomek将召回率由4%提升至46%,可有效解决类别不平衡问题；逻辑回归达到最优性能[曲线下面积为(AUC)0.821,召回率为78%],优于复杂的树模型和集成模型；SHAP分析揭示年龄、体重指数(体重指数)、血糖是最重要的风险因素(SHAP值分别为3.274、0.886、0.547),与临床知识高度一致。本研究为类别不平衡医疗数据的预测建模提供了有效方案。

关键词

脑卒中预测 / 类别不平衡 / SMOTE-Tomek / 机器学习 / 沙普利加性解释(SHAP)

基金资助

2024年省级大学生创新创业训练项目(S202410147019)