基于可解释机器学习的类风湿关节炎相关间质性肺病风险预测模型构建

《Clinical Rheumatology》：Development of a risk prediction model for rheumatoid arthritis-associated interstitial lung disease based on interpretable machine learning

　　

摘要

目的

本研究构建了类风湿关节炎患者间质性肺病（ILD）的预测模型，并探讨了可解释机器学习的价值。

方法

回顾性收集了2021年7月至2025年1月期间在安徽中医药大学第一附属医院风湿免疫科接受治疗的400名住院类风湿关节炎患者的医疗记录。这些患者被按7:3的比例随机分为模型训练组（n?=?280）和验证组（n?=?120）。通过最小绝对值收缩和选择算法（LASSO）回归筛选出重要的特征变量。随后使用四种机器学习算法构建类风湿关节炎患者ILD的预测模型：轻量级梯度提升机（LightGBM）、逻辑回归（LR）、极端梯度提升法（XGBoost）和支持向量机（SVM）。这些模型的性能通过接收者操作特征曲线下面积（AUC）和决策曲线分析（DCA）来评估。此外，还运用Shapley加性解释算法对最优模型进行可解释性分析。

结果

本研究中发现ILD的患病率为15%（60/400）。通过LASSO回归筛选出六个特征变量：年龄、白蛋白水平、类风湿因子、抗环瓜氨酸肽（CCP）抗体、高敏感C反应蛋白以及莱氟诺米德用药史。XGBoost模型在验证组中的表现更为优异，其AUC值为0.841，准确率为0.937，F1分数为0.899。决策曲线分析也显示出了良好的性能。利用Shapley算法分析后，各特征变量的重要性排序为：年龄、白蛋白水平、类风湿因子、抗CCP抗体、高敏感C反应蛋白以及莱氟诺米德用药史。

结论

综上所述，年龄、白蛋白水平、类风湿因子、抗CCP抗体、高敏感C反应蛋白以及莱氟诺米德用药史是类风湿关节炎患者ILD的重要临床预测因素。结合SHAP解释的XGBoost模型不仅具有出色的预测性能，还具有较高的临床可解释性，有助于医生提前对类风湿关节炎相关ILD风险进行评估。

要点 • 年龄、白蛋白水平、类风湿因子、抗CCP抗体、高敏感C反应蛋白以及莱氟诺米德用药史是类风湿关节炎患者ILD的重要临床预测因素。 • XGBoost模型具有更优的预测性能（AUC?=?0.841），在类风湿关节炎相关ILD的风险分层中优于LightGBM、LR和SVM模型。 • 通过创新性地应用Shapley算法，实现了模型的完全可解释性，能够清晰地量化每个风险因素的贡献程度及作用方向。