Comparative Evaluation of Machine Learning Models for Heart Disease Prediction: Performance, Calibration, Threshold Selection, and Explainability
本研究评估了五种机器学习模型在克利夫兰心脏病数据集上的表现，发现经过 0.552 校准阈值的逻辑回归模型取得了最佳性能（准确率 85.71% 和 ROC-AUC 0.939），同时确定了主要血管、胸痛类型和硫胺测试结果为关键预测因子，尽管作者强调在将这些发现推广到不同人群之前需要进行外部验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
心脏病仍然是全球首要的死因，每年夺走数百万人的生命，其中低收入和中等收入国家承担了不成比例的沉重负担。在现代，医生和研究人员越来越多地转向机器学习，以发现患者数据中预示风险上升的细微模式，从而在危机发生前进行预警。这些计算机程序充当了强大的工具，用于筛选复杂的病史，寻找诸如年龄、血压和胆固醇水平等因素之间的联系，以预测谁可能患上心脏病。然而，尽管这些工具展现出了巨大的潜力，但它们的实际应用价值完全取决于如何对其进行测试。一个在特定小群体患者中表现良好的模型，在应用于不同人群时可能会完全失效。要成为真正有用的工具，预测工具不仅要能足够频繁地做出正确判断，还必须提供可靠的概率，并在不同类型的人群中保持一致的表现。
来自乌干达和维多利亚大学的研究小组旨在利用一组广为人知的心脏健康记录来测试五种不同的机器学习方法。他们的目标不仅仅是找到单一最准确的计算机程序，而是要了解这些程序的行为方式、它们如何做出决策，以及当数据发生轻微变化时它们是否依然可靠。他们使用了一个包含303条患者记录的数据集，每条记录描述了一个人的年龄、血压、胆固醇、心率以及特定的心脏检查结果。研究人员将这些数据分为两组：一组较大的数据用于教导计算机程序识别特征，另一组较小的独立数据用于测试程序在面对从未见过的患者时的表现。他们确保了这种划分是公平的，在两组中保持了患病者与健康者相同的比例。
在训练完五种不同的模型后，研究人员发现一种被称为逻辑回归（logistic regression）的方法脱颖而出，成为了最平衡且最可靠的表现者。这种方法大约能正确识别测试组中每100名患者中的85名。更重要的是，它做到了极高的精确度，这意味着它很少将健康人误诊为病人，同时也非常擅长捕捉真实的病例。虽然其他模型（如随机森林和决策树）显示出了一定的潜力，但它们要么在识别病患方面出错较多，要么在区分病患与健康人方面不如前者有效。另一种被称为贝叶斯（Bayes）的模型在寻找病患方面表现出色，但由于过于急于“拉响警报”，导致将许多健康人错误地标记为患有心脏病。逻辑回归模型之所以脱颖而出，是因为它在捕捉疾病和避免虚假警报之间提供了最佳的综合平衡。
研究还仔细观察了这些模型是如何做出最终的“是或否”决定的。在默认情况下，许多计算机程序如果计算出的风险评分超过50%，就会判定患者患病。研究人员测试了将这一阈值提高到稍高数值是否能改善结果。他们发现，提高阈值并不会提高模型的整体准确性，而只是改变了平衡。它使模型在避免虚假警报方面略有提升，但在捕捉实际病例方面则略有下降。这表明，对于这个特定的数据集，标准的设置已经相当优化，仅仅通过调整数值并不能解决数据本身的局限性。
除了原始的准确率之外，研究人员还检查了模型主要依赖哪些因素来进行预测。通过系统地对数据进行洗牌（shuffling）以观察哪些部分最为关键，他们发现：血管造影中可见的主要血管数量、患者报告的特定胸痛类型以及索（thallium）应激试验的结果是最强大的预测因子。这些发现与既有的医学知识相吻合，证实了计算机模型是从最具临床相关性的信号中学习，而非从随机噪声中学习。研究还探讨了模型在不同群体中的表现，指出该系统在女性中的表现略优于男性，并且在不同年龄段之间表现出不同的模式，尽管由于某些类别中的患者数量较少，这些观察结果仍属于初步结论。
这项研究的一个关键部分是测试这些模型在接受更多数据训练时的行为。研究人员通过逐渐增加模型在训练过程中接收的信息量来模拟这一过程。他们观察到，随着训练集的增长，模型变得更加一致且可靠，这表明目前的性能受限于可用数据的规模，而非算法本身的缺陷。研究结论指出，虽然逻辑回归是针对该特定数据集测试中最强大的工具，但其结果不能立即推广到所有人群。所使用的数据来自特定的历史集合，并不代表撒哈拉以南非洲地区或其他地区的多元化患者群体。在这些工具能够指导新人群的临床决策之前，必须在更大规模、独立的、反映现实世界患者多样性的数据集上进行测试。在此之前，这些发现可以作为严谨的基准，表明细致的评估和透明度与准确率数字本身同样重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。