基于带不确定性估计的变分循环自编码器的心血管疾病预测

《Scientific Reports》：Cardiovascular disease prediction using variational recurrent autoencoders with uncertainty estimation

　　

摘要

心血管疾病仍然是全球范围内的主要死亡原因，这促使人们开展可重复的基准研究，以寻找具有精确概率估计的可靠分类方法。在本文中，我们提出了一种基于变分循环自编码器（VRAE）的深度学习框架，该框架能够对经过合成噪声处理的伪序列形式的静态表格临床记录进行心血管疾病分类，并具备不确定性估计功能。本研究使用的两个数据集均为静态表格数据集，而非真实的纵向临床时间序列数据。因此，所构建的伪序列维度用于在模拟的测量误差和数据缺失情况下进行潜在特征的学习与去噪，而非用于建模实际的临床时间依赖关系、患者病情发展轨迹或治疗动态。该模型结合了基于门控循环单元（GRU）的编码方式、变分潜在采样以及蒙特卡洛 Dropout技术，以此学习稳健的潜在特征并量化预测的不确定性。我们在两个公开的数据集上对该模型进行了测试：心力衰竭预测数据集（918个样本）和心血管疾病数据集（70,000个样本）。在该模型在心力衰竭数据集上的准确率为95.8%，F1分数为95.7%；而在规模更大的心血管疾病数据集上的准确率为96.1%，F1分数为96.0%。其性能优于传统的分类器、经过校准的表格模型以及包括正则化逻辑回归、经过校准的XGBoost、LightGBM、CatBoost、长短期记忆网络（LSTM）和GRU-Attention在内的深度学习模型。此外，所提出的VRAE模型在面对合成噪声时仍表现出较强的稳定性，且具有更好的校准效果，两个数据集上的布里尔分数分别为0.061和0.059。进一步的校准分析、选择性预测以及基于阈值的效用分析也证明了这些基准结果的可靠性。这些研究结果为基于不确定性意识的静态表格心血管疾病分类提供了理论支持，不过在能够用于预测未来风险、实现早期干预、预测临床时间序列或实际应用于临床之前，还需要在真实的纵向电子健康记录数据集上进行独立验证。