探索心脏疾病智能预测：人工智能体与文本嵌入模型的综合应用

摘要

目的 探讨人工智能体(AI智能体)如何整合多种分类算法和文本嵌入模型，以优化心脏疾病诊断中的预测准确性和上下文相关性。方法 基于智能体的心脏疾病预测模型(agent-based heart disease prediction, ABHDP)整合了分类建模、文档检索和用户交互组件。研究利用心脏疾病临床数据集以及补充数据集，训练了包括随机森林和梯度提升在内的多种分类算法，文本嵌入模型以及本地化部署的DeepSeek。采用准确率、精确率、召回率、F1值和受试者工作特征(receiver operating characteristic, ROC)曲线分析量化模型性能和效果。结果 对分类和连续变量的分析揭示了与心脏疾病患病率相关的重要模式。CatBoost和随机森林等预测模型显示出较高的性能，召回率分别为0.980和0.979。在文本嵌入模型方面，FastText的F1评分为46%,而SBERT和OpenAI嵌入模型的表现优于FastText,分别达到了95%和96%的F1评分。结论 ABHDP模型可提高心脏疾病管理的准确性和个性化水平，推动精准医疗的发展。

关键词

大型语言模型 / SBERT / OpenAI / 人工智能体(AI智能体) / 基于智能体的心脏疾病预测模型(ABHDP)

基金资助

国家卫生健康委医院管理研究所医疗人工智能临床应用研究课题(No.YLXX24AIA020)