基于Graph Neuro Boost模型的冠心病患者住院时长预测方法增强研究

《Connection Science》：Enhanced CAD patient length of stay prediction using the Graph Neuro Boost model

　　

冠状动脉疾病（Coronary Artery Disease, CAD）仍是全球主要死亡原因之一，并导致大量住院时长（Length of Stay, LOS）延长的病例，增加了医疗成本与资源消耗。研究人员提出Graph Neuro Boost这一新方法，用于基于混合特征选择与分类的CAD患者医院LOS预测，具有高预测精度。该方法使用MIMIC-III数据集，完成完整的数据准备、分析与预处理。通过结合基于自动编码器（autoencoder）的嵌入式方法与基于图论和Kruskal算法的过滤式方法，构建了Graph Neuro特征选择器（Graph Neuro Feature Selector），在仅2.68秒内高效识别出16个关键特征，超越传统混合特征选择方法。随后采用贝叶斯优化（Bayesian optimisation）结合XGBoost对特征进行优化，实施平衡期望改进（Expected Improvement, EI）与上置信界（Upper Confidence Bound, UCB）策略以降低对数损失（log loss）。Graph Neuro Boost取得了98.57%的准确率，并在多项评估指标上相对基线模型表现优异。此外，采用SHAP（Shapley Additive exPlanations）分析解释特征贡献，提升模型透明度，支持临床决策、患者管理与医疗资源高效配置。

研究背景方面，冠状动脉疾病（CAD）是全球心血管疾病中死亡率最高的病种，预计到2030年将造成2300万死亡，美国现患超1.215亿。CAD患者急诊资源调度与住院时长（LOS）管理是核心挑战，延长住院时长（PLOS，定义为LOS≥观测时长第75百分位，本研究阈值为10.21天）不仅是行政分类，更与死亡率、再入院率直接相关。既往机器学习（ML）与深度学习（DL）模型在特征选择上分别受限于过滤法忽视交互、包装法计算重、嵌入法复杂度高；超参数优化中贝叶斯优化存在探索与利用失衡。该研究发表于《Connection Science》，旨在构建兼顾效率、精度与可解释性的PLOS预测框架。

关键技术方法上，研究人员基于MIMIC-III队列（筛选“Admit Diagnosis”含CAD者，得9989例、24特征，PLOS组2484例、No-PLOS组7505例），经Min–Max归一化后以SMOTE平衡类别；特征选择端采用自动编码器将维度压至32维提取编码特征Z，基于Z建相关矩阵C_ij=|corr(z_i,z_j)|，以权重w_ij=1?|C_ij|构图，用Kruskal算法取第75百分位阈值下最小生成树重要边得16特征；建模端以XGBoost为基分类器，Hyperopt树状Parzen估计器（TPE）代理模型下用动态控制参数α(t)融合期望改进（EI）与上置信界（UCB）做贝叶斯优化，目标函数为对数损失L(θ)=?Σ_i=1^N y_klog(p_k)+(1?y_k)log(1?p_k)，数据按80%/20%切分训练测试，10次独立运行各50试验。

研究结果部分，3.1数据准备中指出MIMIC-III提取CAD亚组9989例，LOS第75百分位10.21天界分PLOS/No-PLOS，原始PLOS占24.87%，SMOTE后两类各50%，解决类别不平衡。3.2 Graph Neuro特征选择器表明，自动编码器（ReLU编码、Sigmoid解码、MSE损失、Adam优化、20轮batch256）提Z，图论Kruskal以75百分位阈值筛边，最终选16特征仅耗2.68秒，快于Extra Trees(3.12秒/20特征)、Gradient Boosting(4.24秒)、Boruta(12.61秒)、RFE-SVM(20.02秒)、SFS(480.61秒)。3.3 Graph Neuro Boost模型显示，XGBoost经α(t)·EI+(1?α(t))·UCB动态获取函数调参，第3次运行第24试验获最优log loss 0.037；测试集准确率98.57%、AUC 0.999，混淆矩阵真阳1442、真阴1517、假阳13、假阴30；基线XGBoost 95.74%、LGBM 94.34%、DT 94.24%、SVM 92.90%、KNN 91.71%、RF 91.34%；GNB的Precision 0.9911±0.0046、Recall 0.9796±0.0070、F1 0.9853±0.0045均居首；SHAP分析示No-PLOS主导特征为LOSgroupNum与NumNotes，PLOS主导为LOSgroupNum与NumCallouts。

讨论与结论部分，研究人员指出传统混合特征选择在处理特征依赖、跨数据集泛化及计算复杂度上存在局限，而Graph Neuro FS以自动编码器捕非线性交互、Kruskal图论筛边兼顾效率与鲁棒；贝叶斯优化中EI-UCB动态切换缓解局部极值与探索利用失衡，使GNB在复杂临床数据上泛化更强。结论为：Graph Neuro Boost在MIMIC-III的CAD队列中以2.68秒选16特征、98.57%准确率与0.999 AUC超越所有基线，SHAP提供临床可解释性，可支持PLOS早期识别、床位与急诊资源调配及CAD患者管理决策，未来可迁移至其他病种LOS预测。