优化心脏手术后院内死亡率预测：一种针对不平衡数据使用特征工程的机器学习方法

《Diagnostics》：Optimizing In-Hospital Mortality Prediction After Cardiac Surgery: A Machine Learning Approach Using Feature Engineering for Imbalanced Data

　　

背景/目的：心脏手术涉及与普通ICU人群不同的独特复杂性。传统的评分系统由于生存与死亡之间显著的类别不平衡而常表现不佳。本研究利用MIMIC-IV数据库，整合机器学习（ML）和特征工程，专门为开胸手术患者开发了一个院内死亡率预测模型。方法：研究人员纳入了6941例病例（死亡率：76例，1.095%）。提取了ICU第一天的68个变量。经过数据预处理和插补，使用分层10折交叉验证构建了四个ML模型——逻辑回归（Logistic Regression）、随机森林（RF）、XGBoost和多层感知器（MLP）。应用SMOTE（合成少数类过采样技术）处理类别不平衡。开发了一个简化的17变量模型，并与序贯器官衰竭评估（SOFA）和牛津急性疾病严重程度评分（OASIS）进行了比较。结果：在68变量模型中，RF获得了最高的受试者工作特征曲线下面积（AUROC）为0.915（95% CI，0.855–0.966）。对于17变量模型，MLP表现最佳（AUROC：0.920；95% CI，0.865–0.964），显著优于SOFA（0.688）和OASIS（0.690）。在精确率-召回率曲线下面积（AUCPR）方面，17变量MLP也取得了最高得分（0.203；95% CI，0.060–0.389），而SOFA为0.161，OASIS为0.046。SHAP（Shapley Additive Explanations）分析确定碳酸氢盐水平、机械通气和平均肺动脉压为最重要的预测因子，与临床预期一致。结论：简化的MLP模型显著优于传统评分系统，并可作为开胸手术后早期风险分层的有用工具。

**论文解读：基于特征工程与机器学习的心脏术后院内死亡率预测模型**

**研究背景与问题**

心脏手术（尤其是开胸手术）因其固有复杂性和患者生理储备受损，术后死亡率显著高于普通外科手术。传统风险评分如EuroSCORE II和STS评分主要依赖术前数据，但术后心肺转流、大量液体输注等导致的生理剧变使得术前预测存在局限。重症监护病房常用评分如SOFA（序贯器官衰竭评估）和APACHE II（急性生理与慢性健康评估）虽被广泛使用，但设计时往往排除了心脏手术患者，应用效果欠佳。此外，术中及术后变量的动态变化难以被静态评分捕捉。机器学习（ML）结合特征工程有望构建更精准的预测模型，但心脏术后死亡率极低（约1.9%–3.4%），显著的类别不平衡对模型开发构成挑战。因此，研究人员旨在利用MIMIC-IV数据库，整合特征工程、不平衡数据处理与SHAP解释，开发一个简化且可解释的术后院内死亡率预测模型，并与传统ICU评分系统比较，评估其临床潜力。该研究发表于《Diagnostics》。

**主要技术方法**

研究数据来源于MIMIC-IV（重症监护医学信息集市IV）数据库，涵盖2008–2019年波士顿贝斯以色列女执事医疗中心ICU住院记录。纳入6941例开胸手术患者（死亡率1.095%），提取ICU首日68个变量。采用MICE（链式方程多重插补）处理缺失值，去除超过3倍四分位距的极端异常值。使用SMOTE（合成少数类过采样技术）对训练集进行过采样以缓解类别不平衡。构建四个ML模型：逻辑回归（LR）、随机森林（RF）、XGBoost和多层感知器（MLP），通过分层10折交叉验证与随机搜索调优。基于RF的特征重要性筛选前25%变量（17个）构建简化模型。最终模型与SOFA、OASIS（牛津急性疾病严重程度评分）比较，并利用SHAP解释特征贡献。

**研究结果**

**3.1 模型性能比较**
通过比较68变量和17变量两个特征集，发现68变量模型中RF取得最高AUROC（0.915，95% CI 0.855–0.966）；而17变量模型中MLP表现最佳，AUROC达0.920（95% CI 0.865–0.964），且F1-score（0.110）与召回率（XGBoost达0.795）均优于其他模型。特征缩减后各模型性能差异缩小，表明17变量已包含大部分预测信息。

**3.2 与传统ICU评分系统比较**
在独立验证集上，SOFA和OASIS的AUROC分别为0.688和0.690，召回率为0，即未能识别任何死亡病例。而17变量MLP的AUROC（0.920）和AUCPR（0.203）均显著优于传统评分（p<0.05），且在相同召回率水平下保持更低假阳性率和更高精确率，证明ML模型在不平衡数据中更具优势。

**3.3 模型解释**
SHAP分析显示，前三位预测因子为：最低碳酸氢盐水平（bicarbonate_min）、机械通气（mechvent）和平均肺动脉压（pa_mean_max）。低碳酸氢盐、高肌酐、高乳酸及高血管活性药物评分（VIS）均增加死亡风险，与临床预期一致。但pH_min升高与风险增加相关，可能反映碱中毒的病理作用；GCS_min高分反而与高风险相关，推测因MIMIC-IV中插管镇静患者常被默认记录为GCS 15，形成混杂。

**总结与讨论**

讨论部分指出，简化MLP模型在保持高性能的同时提升了可解释性，特征选择降低了冗余与噪声。SMOTE有效改善了召回率，但可能影响模型校准度（Brier评分0.096）。SHAP揭示的预测因子符合临床病理生理：心肺转流引发的全身炎症与低心排综合征导致代谢紊乱，与死亡率密切相关。研究局限性包括单中心数据（白人占比74.5%）、死亡事件较少（76例）可能引起模型不稳定，以及部分异常值去除可能丢失信息。未来需多中心外部队列验证。

**研究结论**
心脏手术需要术后密集监测。使用常规记录的ICU参数，研究人员提出的机器学习模型在预测罕见临床事件的院内死亡率方面优于传统评分系统。这些发现表明，机器学习模型可能为使用常规可用ICU数据进行早期术后风险分层提供有用方法。然而，在常规临床实施之前，需要在不同机构、患者人群和围手术期管理策略中进行前瞻性外部验证。