复旦学者这篇柳叶刀子刊文章，教你用医院尘封数据玩转机器学习
源自风暴统计网：一键统计分析与绘图的网站
医院临床数据是很庞大的，但很多数据都没有用起来！
今天我们看一篇复旦和安徽医科大学学者用四个医院的患者数据，基于机器学习构建预测模型，发表在医学顶刊柳叶刀子刊《EClinicalMedicine》（医学一区，IF=10.0）杂志上的文章。
研究者开发了一种基于NCCT影像特征的机器学习模型，用于预测自发性脑出血（sICH）患者90天功能预后，并构建在线预测平台。
医院数据收集和特征筛选
本研究是一项多中心回顾性观察性研究，收集了中国四个医疗中心的sICH患者数据，其中三个中心的数据作为训练队列（总计1091例）：
复旦大学附属华山医院神经外科（2018年1月至2024年3月，385例）
复旦大学附属金山医院神经外科（2022年3月至2024年1月，164例）
合肥市第二人民医院神经内科（2018年1月至2024年6月，542例）
外部验证集则来自安徽医科大学第一附属医院神经内科102例患者（2022年12月至2024年6月）。
研究收集了患者的sICH 患者基本临床特征和 NCCT 影像特征。
临床特征：从病例和问卷中收集
NCCT影像特征：回顾sICH患者的NCCT影像
通过标准化电话访谈获取患者90天mRS评分，将mRS评分4-6分定义为不良结局，0-3分定义为良好结局。
为了减少特征冗余，增强模型的稳健性，研究者采用递归特征消除（Recursive feature Elimination， RFE）进行特征选择。
机器学习模型开发与验证
首先，NCCT 影像特征与 sICH 患者基本临床特征结合，作为机器学习训练特征。开发并验证了五个机器学习模型：支持向量机（SVM）、逻辑回归（LR）、随机森林模型（RF）、极端梯度增强（XGboost）和轻量梯度增强机（LightGBM）。
同时将训练集中的数据按 8:2 的比例进行划分，80%用于模型训练，20%用于测试模型性能；采用五折交叉验证结合网格搜索进行超参数优化。
评估指标包括受试者工作特征曲线（ROC曲线）、AUC、准确率、敏感性和特异性。
五折交叉验证结果显示，LightGBM模型展现出最优的预测效能，其平均AUC达0.813±0.012。
根据各项指标评估，研究者选择了LightGBM模型作为最佳预测模型。
随后，研究者基于临床特征集、NCCT 影像特征集和融合特征集对 LightGBM 模型进行内外部验证。
内外部验证结果如下：
在内部测试中，三种特征的AUC分别为：
临床特征（AUC：0.822，95％CI（0.763-0.881））；
NCCT特征（AUC：0.770，95％CI（0.704-0.835））；
两者的融合（AUC：0.852，95％CI（0.797-0.906））。
在外部验证中，AUC略有下降，但融合特征模型仍然具有最佳的检测性能。
临床特征（AUC：0.792，95%CI（0.689～0.894））；
NCCT特征（AUC：0.746，95%CI（0.637～0.855）；
两者融合（AUC：0.796，95%CI（0.694～0.897））
（A为内部验证，B为外部验证）
模型解释与网络计算器
模型可解释性分析：采用SHapley可加性解释（SHAP）方法，阐明每个特征对模型预测结果的贡献，可视化展示各变量对预后的影响。
使用 SHAP 图可视化预测变量对模型结局的影响，界定了多个因素对预测结果的贡献，包括入院时的 GCS 分数、入院时的 NIHSS 评分、IVH、平均 CT 值、血肿体积、黑洞征、岛征、漩涡征等。
采用序贯前向选择法（SFS），基于SHAP分析得到的特征重要性评分，进一步筛选核心预测因子，简化模型复杂度，最终确定对预后预测至关重要的6个关键特征：入院GCS评分、IVH、入院NIHSS评分、平均CT值、血肿体积、黑洞征。
根据这6个关键指标，研究者团队开发了一个基于网络的计算器，以促进对 sICH 患者的个体化预后风险评估，提高可访问性和便利性。（https://surge-ustc.shinyapps.io/multi_para_sih_prognosis/）
老郑小评
郑老师的朋友们经常问，我医院的数据很多啊，但就是不知道该怎么用起来，想做机器学习又没有头绪！
这不，机会来了！最近看到复旦大学和安徽医科大学学者合力发表的这篇柳叶刀子刊文章，就想推荐给大家。这篇文章就是比较常规的用医院临床数据开展研究。
这篇文章好在整篇文章研究目的明确，思路清晰，流程也很完整！从特征筛选到机器学习建模，多个机器学习模型的性能比较，内外数据集验证，模型可解释性分析以及进行核心预测因子筛选，最后甚至开发网络计算器。
做的很规范！内部验证、外部验证，既评价可重复性，又评价可泛化性。
临床实用性强，预测模型的价值就在于应用，这篇文章不仅展示了特征贡献度，还进一步筛选核心预测因子，减少预测因子的数量。另外网络计算器的开发为临床应用提供了很大的便利。
诸位可以看看原文，学习一下，说不定照猫画虎有了自己的高分SCI！
参考文献：Wei L, Wu B, Guo T, et al. Development and validation of a machine learning-based model for 90-day prognosis outcome in spontaneous intracerebral hemorrhage patients based on non-contrast computed tomography: a multicenter retrospective observational study. EClinicalMedicine 88, 103507 (2025).
https://doi:10.1016/j.eclinm.2025.103507
关于郑老师团队及公众号
全国较大的医学统计服务平台，专注于医学生、医护工作者学术研究统计支持
郑老师团队可以提供诸多统计支持：
详情联系助教小董咨询（微信号aq566665）
更多推荐
23
0- 0
已为社区贡献31条内容
所有评论(0)