用于预测哮喘发作风险的数据高效机器学习方法

《Scientific Reports》：Data-efficient machine learning approach for predicting asthma attack risk

　　

摘要

2021年全球约有436,000人死于哮喘病。能够预测哮喘发作有助于挽救生命、降低医疗成本，并提升医疗系统的效率。然而，风险预测需要大量数据，而这类数据往往难以获取。本研究旨在开发一种能减少数据需求的方法，从而降低复杂性，使其在数据有限的条件下也能得到更广泛的应用。我们采用了CRISP-DM方法论，结合了特征选择策略、机器学习算法以及处理数据不平衡的技术。最终构建了120个模型。这些模型的性能是通过准确率和效率来评估的，其中表现最佳的模型还经过了外部验证。研究结果表明，当结合欠采样技术，并以XGB-RUS模型生成的特征重要性作为依据进行特征选择时，LR和XGB模型表现更为出色。即便仅使用少数特征，比如过去一年的哮喘发作情况以及SABA_ICS比率，也能达到不错的预测效果。通过大量实验，我们在多种场景下都实现了高准确率。我们共提出了6组特征集，其中FS1的表现最佳，而FS6仅使用两个特征就取得了不错的效果。本文对预测哮喘发作风险所需的数据进行了全面分析，这将提升在临床环境中使用简化特征集的预测模型的接受度。