基于元启发式优化与随机森林的混合方法在心脏病预测中的应用及意义

《Scientific Reports》：A hybrid approach with metaheuristic optimization and random forest in improving heart disease prediction

在心脏病诊断领域，当前方法仅能准确诊断 57% 的急诊心血管疾病（CVD）患者。研究人员开展了利用机器学习（ML）和元启发式算法预测心脏病的研究。结果显示，遗传算法优化随机森林（GAORF）表现最佳，能提高预测准确性，对降低心脏病死亡率意义重大。

　　在医疗领域，心脏病一直是全球范围内导致人类死亡和患病的重要因素。每年约有 1790 万人因心血管疾病（CVD）失去生命 ，这一庞大的数字令人触目惊心。现有的诊断方法，如心电图（ECG）和超声心动图，在紧急情况下只能准确诊断 57% 的 CVD 患者。许多 CVD 患者早期没有明显症状，或者身体变化难以检测，导致疾病容易被漏诊或误诊，这不仅延误了治疗时机，还使得医疗成本不断攀升。因此，找到一种更精准、高效的心脏病预测方法迫在眉睫。

来自印度韦洛尔理工学院（Vellore Institute of Technology）的研究人员 Geetha Narasimhan 和 Akila Victor 针对这一难题展开了深入研究。他们的研究成果发表在《Scientific Reports》上，为心脏病预测领域带来了新的曙光。

研究人员采用了多种关键技术方法。首先，他们收集了来自 UCI 存储库的克利夫兰（Cleveland）数据集，该数据集包含 303 条记录和 13 个特征，用于训练机器学习模型和元启发式算法。接着，利用 SelectKBest 特征选择方法，通过卡方检验、互信息和 F 统计量对特征进行评估和排序，去除低排名特征，减少数据维度。然后，运用遗传算法（GA）、粒子群优化（PSO）和蚁群优化（ACO）这三种元启发式优化算法，对数据集进行优化，筛选出重要特征子集。最后，将优化后的特征子集输入随机森林（RF）分类器进行分类，并使用准确率、召回率、精度、特异性和 F 分数等指标评估模型性能。

研究结果如下：

• 特征选择结果：研究发现，使用卡方检验、互信息和 F 统计量的 SelectKBest 方法，能有效确定每个特征的排名并计算总体排名。去除低排名特征后，部分算法性能发生变化。例如，随机森林在使用所有特征时准确率为 90.16%，特征选择后略有下降；而逻辑回归（LR）在特征选择后准确率达到 90.16%，性能有所提升。
• 优化算法性能比较：对 GA、PSO 和 ACO 三种元启发式算法进行研究，发现它们均能成功减少特征数量。GA 和 PSO 分别选择了 10 个特征，ACO 选择了 9 个特征。将这些优化后的特征子集输入 RF 分类器后，结果显示 GAORF 的准确率达到 92%，在所有技术中表现最佳；PSORF 的准确率为 91%；ACORF 的准确率为 86.88% 。通过对比可以看出，GAORF 在特征选择和分类方面表现出色，能更有效地预测心脏病。

研究结论和讨论部分指出，该研究提出的结合元启发式优化与机器学习的方法，显著提高了心脏病预测的准确性。GAORF 在所有技术中表现最优，为心脏病预测提供了更可靠的模型。然而，研究也存在一定的局限性。例如，机器学习和元启发式优化技术存在计算成本高、超参数调整困难、对高维数据集处理能力有限以及模型可解释性差等问题。尽管如此，该研究成果仍然为心脏病预测领域提供了重要的参考，为后续研究奠定了基础。未来研究可以尝试其他元启发式技术和不同的数据集，进一步优化心脏病预测模型，也可以将相同方法应用于糖尿病和癌症等疾病的早期预测，为人类健康事业做出更大的贡献。