基于支持向量回归的血浆致动脉粥样硬化指数预测模型及其在心血管风险评估中的创新应用

《NATIONAL ACADEMY SCIENCE LETTERS-INDIA》：Predicting Atherogenic Index of Plasma Using Support Vector Regression for Cardiovascular Risk Assessment

本研究针对传统AIP计算依赖TG/HDL的局限性，开发了基于支持向量回归(SVR)的预测模型。通过340人队列分析发现AIP与LDL-C(r=0.429)、TC等显著相关，模型在缺失TG/HDL值时仍表现优异(R2=0.8062)，为有限血脂检测条件的心血管风险早期评估提供新策略。

　　

血浆致动脉粥样硬化指数(AIP)正逐渐成为心血管风险分层的重要标志物，尤其对急性心肌梗死(AMI)患者具有重要意义。本研究通过支持向量回归(SVR)创新性地构建AIP预测模型，并探讨AIP与多项临床参数的相关性。研究纳入340名受试者（含267例AMI患者和73名健康对照），检测血脂谱、空腹血糖、血压、尿酸及肌酐等参数。皮尔逊相关分析显示AIP与低密度脂蛋白胆固醇(LDL-C)(r=0.429, p<0.001)、总胆固醇(TC)(r=0.14, p=0.01)和空腹血糖(FBG)(r=0.108, p=0.047)显著相关，其他参数无统计学意义。Z检验进一步证实AMI与非AMI人群、吸烟与非吸烟者、糖尿病与非糖尿病患者的AIP水平存在显著差异(p<0.05)。本研究的创新点在于即使缺乏甘油三酯(TG)和高密度脂蛋白(HDL)值（传统AIP计算必备参数），仍能通过常规临床指标实现AIP精准预测。该SVR模型表现出色，确定系数R²达0.8062，均方根误差(RMSE)为0.0714，平均绝对误差(MAE)为0.2053，成功捕捉复杂的非线性关系。这种机器学习方法为心血管风险早期评估开辟了新途径，尤其在无法完善血脂检测的场景中更具应用价值。研究通过证实AIP作为预测性生物标志物（而非单纯诊断性血脂指标），突显了其在心血管风险评估中的临床价值。