Improving stroke risk prediction by integrating XGBoost, optimized principal component analysis, and explainable artificial intelligence：创新融合技术提升中风风险预测效能

为解决中风风险预测模型在效率和可解释性方面的问题，研究人员开展了将 XGBoost、优化主成分分析（PCA）和可解释人工智能（XAI）集成的研究。结果显示，该模型准确率高达 95% 和 98%，具有高泛化性和可靠性，对医疗行业预测系统的改进有重要意义。

　　在全球范围内，中风已然成为导致人类死亡和残疾的主要疾病之一，严重威胁着人们的健康。随着其发病率不断攀升，寻求有效的预防策略和及时的诊断方法变得刻不容缓。传统的预测方法存在诸多局限性，如数据处理效率低、模型可解释性差等，难以满足临床需求。在此背景下，来自乌克兰利沃夫国立理工大学（Lviv Polytechnic National University）和利沃夫国立医科大学（Danylo Halytsky Lviv National Medical University）的研究人员展开了一项极具意义的研究。他们旨在通过创新的技术手段，提升中风风险预测模型的效率和可解释性，从而为中风的预防和治疗提供更有力的支持。该研究成果发表在《BMC Medical Informatics and Decision Making》杂志上。
研究人员主要运用了以下几种关键技术方法：首先是主成分分析（PCA），它能够对数据进行降维处理，去除冗余信息，提高数据处理速度，同时还能帮助识别和消除数据中的异常值和噪声；其次是 XGBoost 算法，这是一种强大的机器学习算法，在预测任务中表现出色，具有较高的准确性和可靠性；此外，研究人员还引入了可解释人工智能（XAI）技术，通过 SHAP 方法来解释模型的预测结果，增强了模型的透明度和可理解性 。研究中使用的样本数据来自两个公开数据集，分别包含 5110 条和 5,769,190 条记录。
研究结果主要包含以下几个方面：

• 数据处理与降维：对两个数据集进行了数据清洗、缺失值处理和异常值检查等预处理操作。通过 PCA 方法，将数据维度降低，在保留 95% 数据方差的情况下，有效减少了变量数量。例如，在 Dataset 1 中，初始属性为 19 个，经过 PCA 后减少到 13 个。
• 模型性能评估：使用 XGBoost 算法构建中风风险预测模型，并通过 Grid Search 进行超参数调优。在两个数据集上的测试结果显示，模型准确率分别达到了 95% 和 98%。十折交叉验证的平均准确率为 0.9532（Dataset 1），平均交叉验证分数为 0.99028（Dataset 2）。此外，马修斯相关系数（MCC）和科恩 kappa 系数（CK）等指标也表明模型具有良好的分类性能和可靠性。
• 特征重要性分析：利用 SHAP 方法对模型进行解释，分析了各个特征对预测结果的影响。在 Dataset 1 中，平均血糖水平（avg_glucose_level）、工作类型（如 work_type_Private）、体重指数（BMI）和年龄等特征对预测结果影响较大；在 Dataset 2 中，年龄、血糖水平和工作类型等同样是关键预测因素。
  研究结论表明，将 PCA 和 XGBoost 算法集成的方法在中风风险预测中表现出了显著的优势。该方法不仅提高了预测的准确性，还加快了数据处理速度，尤其在处理大规模数据集时效果更为明显。同时，XAI 技术的应用使得模型结果更具可解释性，有助于医生理解不同因素对中风风险的影响，从而为个性化治疗和预防措施的制定提供依据。然而，该模型在临床应用中仍面临一些挑战，如与现有医疗信息系统的集成、在真实临床样本中的测试以及满足运算速度要求等。未来的研究可以进一步拓展该方法在其他医疗任务中的应用，优化模型的运行时间和准确性，探索更多提高模型可解释性的方法，从而推动医疗行业的发展，更好地服务于患者。