HybridTabNet-QC：基于Transformer与临床特征融合的心脏病风险预测框架及其临床意义

《IEEE Open Journal of the Computer Society》：HybridTabNet-QC: A Transformer-Based Clinical Feature Fusion Framework for Heart Disease Risk Prediction

本研究针对心脏病风险预测中传统模型泛化能力差、可解释性不足的问题，提出了一种结合Transformer架构与临床元特征的混合深度学习框架HybridTabNet-QC。该模型通过注意力机制学习特征交互，并融合BMI、脉压（PP）、胆固醇-葡萄糖交互评分（CGscore）等医学指标，在公开数据集上实现了90.1%的准确率和93.6%的AUC-ROC，显著优于传统机器学习及深度学习基线。模型在特征噪声环境下表现出强鲁棒性，且通过LIME与SHAP可解释性分析验证了其临床合理性，为心血管疾病（CVD）早期筛查提供了可部署于临床决策支持系统（CDSS）的高效工具。

　　

心血管疾病（CVD）是全球致死的首要原因，每年导致约1790万人死亡。早期准确预测心脏病风险对干预时机、资源分配和长期健康规划至关重要。然而，传统诊断方法多依赖孤立风险因素和临床经验，难以捕捉生理、行为与人口指标间复杂的非线性关系。尽管机器学习方法显示出潜力，但现有模型常受限于数据集特异性、泛化能力不足，以及对结构化临床数据领域知识的忽视。尤其深度学习模型常将特征视为扁平向量，缺乏对临床变量结构化特性的利用，且可解释性差，制约了其在真实医疗场景中的应用。

为解决上述问题，研究人员在《IEEE Open Journal of the Computer Society》上发表了题为“HybridTabNet-QC: A Transformer-Based Clinical Feature Fusion Framework for Heart Disease Risk Prediction”的研究，提出了一种混合深度学习框架HybridTabNet-QC。该框架融合了基于注意力机制的表格编码器与医学设计的元特征，旨在提升心脏病风险预测的准确性、可解释性及噪声鲁棒性。

研究采用的关键技术方法包括：

1. 1.
   使用Transformer编码器对分类特征进行嵌入表示，并通过多头自注意力机制（Multi-Head Self-Attention）捕捉特征间交互；
2. 2.
   设计临床元特征（如BMI、脉压PP、胆固醇-葡萄糖交互评分CG_score）作为先验知识注入模型；
3. 3.
   通过融合层将Transformer输出与元特征拼接，经全连接层与Dropout正则化完成分类；
4. 4.
   利用加权交叉熵损失处理类别不平衡，并采用Adam优化器与余弦退火学习率调度提升训练稳定性；
5. 5.
   使用LIME与SHAP进行可解释性分析，验证特征贡献与临床一致性。
   数据来源于两个公开Kaggle数据集（Heart Disease Dataset与Cardiovascular Disease Dataset），经对齐、归一化、分层划分及高斯噪声增强等预处理后用于模型训练与验证。

模型性能评估

HybridTabNet-QC在合并数据集上达到90.1%准确率、90.0% F1分数与93.6% AUC-ROC，均优于逻辑回归、随机森林、XGBoost及MLP、1D-CNN、LSTM、TabNet等基线模型。混淆矩阵显示其假阳性和假阴性率较低，分类报告进一步证实了模型在正负类别间的平衡性。

超参数与优化器分析

实验表明，学习率0.001、批量大小64、Dropout率0.3为最优配置。Adam与AdamW优化器收敛最快且性能稳定，其中AdamW的AUC-ROC达93.8%，略优于Adam的93.6%。

消融实验

移除元特征、Transformer编码器或质量控制机制均导致性能显著下降（AUC-ROC降低1.5–2.3%），验证了各组件必要性。仅使用元特征与浅层MLP的模型表现最差，突显了混合架构的优势。

鲁棒性与泛化能力

在输入特征添加10%高斯噪声后，HybridTabNet-QC准确率仅下降1.6%，优于传统模型（如逻辑回归下降5.2%）。在外部验证集上其准确率达89.5%，表明强跨数据集泛化能力。

可解释性分析

LIME与SHAP结果显示，收缩压、胆固醇、BMI、年龄等临床公认风险因素对预测贡献最大，与医学先验知识一致，增强了模型的可信度。

结论与讨论

HybridTabNet-QC通过融合Transformer的表示学习能力与临床元特征，实现了高精度、可解释且鲁棒的心脏病风险预测。其架构克服了传统深度学习模型对结构化医疗数据建模的不足，为临床决策支持系统提供了实用工具。研究局限性包括数据来源多样性有限、未系统评估模型公平性，以及计算开销较传统方法略高。未来工作可扩展至多模态数据集成、隐私保护训练及跨中心验证，以推动临床落地。该框架仅依赖结构化数据，易于整合至电子健康记录（EHR）系统，具备大规模部署潜力。