编辑推荐：
为精准预测心脏病，研究人员对比多种机器学习模型，发现集成方法效果佳，助力疾病诊断。
心血管疾病（Cardiovascular diseases，CVDs）是全球范围内的 “健康杀手”，每年夺走无数生命 。想象一下，在医院里，医生们面对众多可能患有心脏病的患者，却缺乏精准且快速的预测工具，难以在疾病早期就发现并干预，导致许多患者错失最佳治疗时机，病情恶化 。这不仅给患者带来巨大痛苦，也让医疗系统承受沉重负担。为了打破这一困境，来自印度韦洛尔科技大学（Vellore Institute of Technology）的研究人员展开了一项意义重大的研究，相关成果发表在《BMC Cardiovascular Disorders》上。
研究人员运用了多种关键技术方法。他们从 UC Irvine 机器学习库和 Kaggle 获取心脏病数据集，该数据集整合了来自克利夫兰、瑞士、匈牙利、长滩和 Statlog 的资料，包含 1190 条记录和 12 个特征。之后，研究人员精心挑选了 7 个关键特征，并将数据集按 8:2 的比例划分为训练集和测试集。接着，运用 15 种机器学习模型对数据进行分析，通过准确率、精确率、召回率、F1 分数、混淆矩阵和 ROC-AUC（受试者工作特征曲线下面积）等指标评估模型性能，还采用 K 折交叉验证（K = 10 和 K = 5）来确保模型的稳健性和泛化能力。
研究结果主要包含以下几个方面：
- 特征选择：通过对心脏病数据集的相关性矩阵分析发现，年龄与静息血压、运动诱发心绞痛存在中度相关性，年纪大的人运动时血压可能更高、更易出现心绞痛；男性患心脏病的可能性更高；胸痛类型与运动诱发心绞痛、目标变量紧密相关，对心脏病诊断意义重大；最大心率与年龄、目标变量呈显著负相关；运动诱发心绞痛、ST 段斜率和旧峰（old peak）与目标变量正相关。基于这些发现，研究人员选择了 7 个特征用于后续机器学习分析。
- 评估机器学习模型：不同机器学习模型表现各异。逻辑回归（Logistic regression）准确率为 0.83，精确率 0.84，召回率 0.78，F1 分数 0.81；随机森林（Random Forest）表现出色，准确率达 0.91，精确率 0.92，召回率 0.90，F1 分数 0.91；支持向量机回归（SVM regression）与逻辑回归结果相近；K 近邻（KNN）虽准确率与随机森林相同，但交叉验证时准确率大幅下降，可能存在过拟合；XGBoost 表现最佳，准确率 0.93，精确率 0.92，召回率 0.92，F1 分数 0.92；袋装树（Bagged Tree）与 XGBoost 表现相当，准确率也为 0.93。
- ROC-AUC：随机森林和袋装树的 ROC-AUC 值最高，达 0.95，表明它们区分心脏病患者和非患者的能力最强；XGBoost 的 ROC-AUC 值为 0.94；梯度提升机（GBM）为 0.92；而传统模型如逻辑回归、多元自适应回归样条（MARS）等 ROC-AUC 值为 0.90，整体表现稍逊一筹。
- 混淆矩阵：随机森林、XGBoost 和袋装树在预测心脏病方面优势明显，误分类率低，在混淆矩阵中展现出最佳准确率；KNN、GBM 和神经网络表现良好；逻辑回归、SVM、灵活判别分析（FDA）等模型表现不错但错误率较高；条件推理树（CIT）、贝叶斯广义线性模型（BGLM）和提升广义线性模型（BGGLM）准确率较低，还需优化。
- 交叉验证：XGBoost 和袋装树在交叉验证中的最高准确率为 93%，随机森林和 KNN 为 91%。随机森林在交叉验证中表现稳定，K = 10 时准确率 94%，K = 5 时 92%；XGBoost 则稍有下降；KNN 准确率大幅下降，进一步证实其可能过拟合；传统模型表现较为稳定。
研究结论和讨论部分指出，与以往研究相比，此次研究选用部分特征和先进机器学习算法，显著提高了预测准确率。XGBoost 和袋装树准确率达 93%，随机森林和 KNN 为 91%，且计算了以往研究未涉及的 ROC-AUC 值，全面评估了模型性能。研究还指出了以往研究的局限性，如未充分评估特征影响、对比模型有限、缺乏 ROC-AUC 分析、模型验证不足以及未考虑模型实际应用等。未来研究可探索生存分析模型，如高斯过程回归；尝试混合模型方法；将模型应用于临床决策支持系统；使用更大规模的真实世界数据集进行验证。这些研究成果为心脏病的预测提供了更可靠的方法，有助于医生更准确地诊断疾病，改善患者的治疗效果，推动了心脏病诊断领域的发展，也为后续研究指明了方向。
