作者Toby，来源公众号：Python生物信息学，糖尿病肾病患者精准预测模型

大家好，我是Toby老师，今天看到一篇高分期刊文章，分享给大家。AI在心血管疾病（CVD）的诊断、治疗以及临床结局预测方面得到了广泛的应用。机器学习（ML）能够让计算机从大量数据中进行学习，从而识别出其中的模式并据此做出预测。本研究的主要目标是探究机器学习模型的开发及其可解释性，特别是针对来自西里西亚糖尿病心脏项目中的糖尿病（DM）和慢性肾脏病（CKD）患者，预测他们发生心血管事件（CVE）的风险。

01文献解读

- Literature interpretation -

标题title：Predicting major adverse cardiac events in diabetes and chronic kidney disease: a machine learning study from the Silesia Diabetes-Heart Project预测糖尿病和慢性肾脏病的主要不良心脏事件：西里西亚糖尿病心脏项目的一项机器学习研究

期刊：Cardiovascular Diabetology

（《Cardiovascular Diabetology》是一本专注于糖尿病与心血管疾病交叉领域的国际学术期刊。自2002年创刊以来，该期刊始终致力于探索糖尿病、心血管健康和代谢综合征之间的关系。它由Springer Nature旗下的BioMed Central出版，采用开放获取（Open Access）模式，这意味着所有文章都可以免费获取，有助于研究成果的广泛传播）

发布时间：2025年2月

影响因子：10.6/Q1

官网下载链接：

https://cardiab.biomedcentral.com/articles/10.1186/s12933-025-02615-w

1研究背景IBackground

      糖尿病和慢性肾脏病患者发生心血管事件的风险有较强相关性，但医院传统科研方法有限，借助AI机器学习模型，我们可以更好为医生提供科学参考。

• 风险显著升高

  ：DM 与 CKD 同时存在时，患者的心血管死亡、心肌梗死、脑卒中等重大事件的发生率远高于单纯 DM 或单纯 CKD 人群。KDIGO 2024 指南明确指出，CKD 患者的心血管风险在传统人群模型中常被低估，需要使用专门针对 CKD 的预测工具。

• 关键风险因素

  ：eGFR 下降、尿白蛋白/肌酐比（UACR）升高、糖化血红蛋白（HbA1c）水平、年龄、血压、既往冠心病（CAD）等均与 CVE 发病密切相关。

2研究方法IResearch Methods

      作者运用机器学习模型，针对西里西亚糖尿病心脏项目里的糖尿病和慢性肾脏病患者，来预测他们可能出现的心血管事件。为此，我们搭建了5种不同的机器学习模型，包括逻辑回归（Logistic Regression, LR）、随机森林（Random Forest, RF）、支持向量分类（Support Vector Classification, SVC）、Light Gradient Boosting Machine（LGBM）和eXtreme Gradient Boosting Machine（XGBM）随后，我们对这5种模型的预测能力进行了比较分析，同时借助Shapley加性解释（SHAP）这一工具，对模型的可解释性进行了评估。

图1. 研究设计流程图

Study flowchart. eGFR, estimated glomerular filtration rate; NA, not available; UAE, urine albumin excretion

02研究结果

- Findings: -

01变量对比分析研究

表1. 研究组基线特征

 在两组人中，空腹血糖水平差不多，不过那些没有心血管事件（CVE）的人，糖化血红蛋白（HbA1c）水平更高。而且，两组在使用降糖药物的情况上也很相似，不管是胰岛素还是其他口服降糖药，使用情况都差不多。（表2）。

02与有心血管事件（CVEs）组和无心血管事件（CVEs）组进行比较

表2. ML模型性能对比

     数据集data被随机划分成train训练集和test测试集，比例为7:3。训练集和测试集在所有比较的参数上都具有可比性。训练集和测试集的基线特征见表2。

图2. 运用Boruta 和 LASSO 回归两种算法进行变量选择

   

A 蓝色图表展示了最小值、平均值和最大影子分数。变量的箱线图以绿色显示为重要变量，黄色为待定变量，红色为被拒绝变量。

B LASSO回归中L1范数与不同系数之间的相关性。L1范数是LASSO的正则化项。

C λ与二项式偏差之间的相关性。图中有两条虚线。左边的虚线表示最小均方误差，右边的虚线表示从最小均方误差偏离一个标准误差。

03机器学习模型的区分能力

图中包括了五种不同的机器学习模型：

1. 逻辑回归（Logistic Regression, LR）：蓝色曲线，AUC（曲线下面积）为0.621，95%置信区间为[0.618, 0.623]。

2. 随机森林（Random Forest, RF）：橙色曲线，AUC为0.707，95%置信区间为[0.704, 0.709]。

3. 支持向量分类（Support Vector Classification, SVC）：绿色曲线，AUC为0.707，95%置信区间为[0.704, 0.710]。

4. 轻量梯度提升机（Light Gradient Boosting Machine, LGBM）：红色曲线，AUC为0.740，95%置信区间为[0.738, 0.743]。

5. 极端梯度提升机（Extreme Gradient Boosting Machine, XGBM）：紫色曲线，AUC为0.710，95%置信区间为[0.707, 0.713]。

AUC值越接近1，模型的判别能力越强。从图中可以看出，LGBM模型的AUC值最高，为0.740，表明其在预测CVEs方面的表现最好。其次是XGBM和SVC，它们的AUC值相同，为0.710。随机森林的AUC值为0.707，而逻辑回归的AUC值最低，为0.621。

04模型可解释性

图4. 变量的重要性排序和解释

     特征的重要性及其对输出的贡献通过SHAP值评估来确定。A 图中展示了十个特征的重要性，按降序排列，并以两个矩阵的形式呈现，分别代表类别0和类别1，分别代表阴性和阳性分类；B 图是SHAP蜜蜂群图，用于解释每个特征的贡献，其中红色增加解释性，而蓝色减少解释性。CRP代表C反应蛋白；eGFR代表估算的肾小球滤过率；HbA1c代表糖化血红蛋白；HF代表心力衰竭；HTN代表高血压；TyG代表甘油三酯葡萄糖指数。中风指的是中风病史。

03文章点评

- Summary of the Paper-

文章中作者开发了一种机器学习模型，专门用来预测患有糖尿病（DM）和慢性肾脏病（CKD）的患者的心血管事件（CVE）风险，而且这个模型有很好的解释性。研究测试了多种不同的机器学习模型，发现它们在预测这类患者发生心血管事件方面都表现不错，尤其是美国微软公司算法（LGBM）模型表现最佳。研究还发现，估算的肾小球滤过率（eGFR）的降低、年龄增长以及炎症标志物水平的升高，这些因素都能显著提高模型预测的准确性。

重庆未来之智的Toby老师在论文定制有丰富经验，这里提出一些建议。整体来看文章插图做的不错，整体很好，值得大家学习参考。文章中模型区分能力最好的lightgbm只有0.7，说明变量的整体区分能力不够，作者还可以继续收集数据，特别是强变量，然后再迭代建模。变量特征工程可以做一些，可略微提升模型性能。

SHAP解释中表明eGFR代表估算的肾小球滤过率为最重要变量。但临床医生都知道肾小球滤过率为肾病的核心检测方法，这里是否涉及建模数据泄露，可以思考一下。

IF10.6期刊复现！机器学习+SHAP！糖尿病肾病患者精准预测模型就为大家介绍到这里。

版权声明：文章来自公众号(python生物信息学),未经许可，不得抄袭。遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。