可解释机器学习框架在急性憩室炎患者住院时间入院时预测中的应用

《Scientific Reports》：Admission-time prediction of hospital length of stay in diverticular disease using explainable machine learning models

　　

摘要

急性憩室炎（AD）是全球范围内导致急诊就诊和住院的主要原因之一。在入院时准确预测住院时间（LOS）对于优化资源利用、安排出院计划及患者管理至关重要。本研究旨在开发并验证一个可解释的机器学习框架，用于在入院时对憩室炎和憩室病患者的住院时间进行预测。研究采用回顾性数据集，共纳入148名住院患者。本研究应用了高级特征工程技术，包括交互项、非线性变换、对数缩放以及临床推导的炎症指标。使用对数变换后的住院时间值训练了多种基于回归和机器学习的模型，包括线性回归、岭回归、随机森林、XGBoost以及投票回归器集成模型。模型性能通过五折交叉验证、基于自助法（bootstrap）的稳定性分析、校准评估、基于SHAP的可解释性分析和基于Kaplan-Meier的风险分层进行了评估。平均住院时间为2.08 ± 2.5天。基于树的集成模型相比线性模型表现出更好的预测性能。XGBoost在全队列中表现最佳（平均绝对误差（MAE）= 0.03；R2 = 0.99），而随机森林和集成方法在憩室炎亚组中表现出相当或更优的性能，MAE为0.74，R2为0.77。XGBoost在全队列中表现出异常高的表面性能。然而，更严格的内部验证产生了更为保守的估计值。患者水平的嵌套折外（OOF）评估结果为R2约0.57，而基于自助法的乐观校正后R2为0.8314，MAE为0.3512天。SHAP分析表明，Hinchey分级和炎症特征对模型预测贡献显著。校准和残差分析显示预测值与观测值之间具有可接受的吻合度，预测区间提供了具有临床意义的预测不确定性估计。亚组分析显示预测性能下降且变异性增加，这反映了样本量减少和异质性带来的挑战。将可解释的机器学习与临床信息驱动的特征工程相结合，为憩室病入院时住院时间估计提供了一个有前景的框架。然而，更为保守的嵌套交叉验证结果凸显了需要更大规模的独立队列来验证所提方法的泛化性和潜在应用价值。