《Scientific Reports》：A hybrid feature selection framework combining Artificial Bee Colony and decision trees for CVD risk assessment
编辑推荐：
为解决心血管疾病（CVD）风险评估中高维数据特征筛选难题，研究人员开展了一项融合人工蜂群（ABC）优化算法与决策树分类器（C4.5、随机森林）的混合特征选择框架研究。结果表明，该框架能有效筛选关键特征，最终模型在测试集上准确率达到94.2%，F1-score为94.1%，为CVD的精准预测与早期干预提供了新工具。
在当代社会，心血管疾病（Cardiovascular Disease, CVD）已成为威胁全球公众健康的主要“杀手”之一。准确评估个体罹患CVD的可能性，是实现早期预警和有效干预、从而降低疾病负担的关键。然而，这一过程面临着重重挑战。传统的风险评估模型往往依赖于有限的临床指标，其预测精度有待提升。随着医疗信息化的发展，我们能够获取包括临床检测、生活方式、遗传信息在内的海量多维数据。这些数据固然蕴含着揭示疾病规律的宝贵信息，但也带来了“维度灾难”——大量无关或冗余的特征不仅增加了计算复杂度，更可能“淹没”那些真正关键的风险信号，导致机器学习模型性能下降、难以解释，甚至陷入“过拟合”的误区。因此，如何从纷繁复杂的高维数据中，智能、高效地筛选出最具有判别力的特征子集，构建既精准又可靠的CVD风险预测模型，成为了摆在研究人员面前的一道核心难题。为了攻克这一难题，一项创新性的研究在《Scientific Reports》上发表，提出了一种融合了仿生智能优化与传统机器学习算法的混合解决方案。
本研究主要采用了以下几个关键技术方法：首先，对数据进行了预处理，包括缺失值处理和归一化（采用Min–max scaling）。其次，研究核心是提出了一个混合特征选择框架，该框架首先利用人工蜂群（Artificial Bee Colony, ABC）优化算法模拟蜂群觅食行为，在庞大的特征空间中进行全局寻优，以避开局部最优解，筛选出最优特征子集。然后，基于筛选出的特征，研究采用了以决策树为基础的分类器进行建模与预测，主要使用的算法包括C4.5决策树算法以及集成学习算法随机森林（Random Forest）。模型的性能通过准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1-score）和特异性（Specificity）等多个指标进行综合评估。
研究结果
1. 混合特征选择框架的构建
研究人员设计并实现了一个两阶段的混合分析流程。第一阶段，利用人工蜂群（ABC）算法的全局优化能力进行特征选择。ABC算法通过模拟雇佣蜂、观察蜂和侦察蜂的协作机制，在特征解空间中不断探索和开发，最终收敛到一个能最大化模型性能（以适应度函数衡量，通常基于后续分类器的初步性能）的特征子集。这一过程有效避免了陷入局部最优，确保了所选特征子集的鲁棒性。第二阶段，将筛选出的最优特征子集作为输入，分别训练C4.5决策树和随机森林分类器，以完成最终的CVD风险（高风险/低风险）分类任务。
2. 模型性能评估
在测试数据集上，基于所提混合框架（ABC进行特征选择，结合决策树类分类器）构建的CVD风险评估模型展现出了卓越的性能。具体评估指标结果为：准确率（Accuracy）达到94.2%，精确率（Precision）为93.5%，召回率（Recall）为94.8%，F1分数（F1-score）为94.1%，特异性（Specificity）为95.2%。这些指标从不同维度共同证实了模型的高效性：它不仅能够以高精度（高精确率）识别出高危个体，同时也能尽可能地覆盖所有真实的高危人群（高召回率），并且对健康个体的误判率较低（高特异性）。高F1分数（精确率与召回率的调和平均数）进一步说明了模型在正类样本识别上的综合性能优势。
3. 特征选择的有效性分析
通过对比实验（如使用全特征集或其它特征选择方法），研究验证了ABC算法在特征选择中的关键作用。使用ABC筛选后的特征子集训练出的模型，其各项性能指标均显著优于使用原始全特征集的基准模型。这证明，ABC算法成功地剔除了大量无关和冗余特征，保留了与CVD风险最核心、最相关的生物标志物或临床指标，从而降低了数据噪声，提升了模型的泛化能力和可解释性。
4. 分类器算法比较
在相同的优选特征子集上，研究对比了C4.5决策树与随机森林的表现。结果显示，随机森林由于采用了集成学习策略，通过构建多棵决策树并综合其投票结果，有效降低了单棵决策树容易过拟合的风险，因此在大多数性能指标上略优于C4.5决策树，尤其是在模型的稳定性和鲁棒性方面。而C4.5算法生成的决策树模型则具有结构清晰、规则易于理解的优点，为临床医生提供了一定的决策参考依据。
研究结论与讨论
本研究成功开发并验证了一个结合人工蜂群（ABC）优化与决策树分类器的混合特征选择框架，用于提升心血管疾病（CVD）风险评估的准确性。该框架的核心贡献在于，它巧妙地将仿生智能算法的全局搜索优势与经典机器学习算法的强大分类能力相结合，系统地解决了高维医疗数据中的特征选择难题。
结论表明，ABC算法能够高效地探索特征空间，规避局部最优，筛选出信息量最大、判别力最强的特征组合。基于此优选特征子集构建的决策树模型（特别是随机森林）在CVD风险预测任务中取得了优异的性能（准确率94.2%，F1-score 94.1%），显著优于未经验证特征筛选的模型。这证实了高质量的特征选择是构建高性能、可解释医疗AI模型的关键前置步骤。
其重要意义在于：首先，在方法论上，该研究为处理生物医学领域常见的高维、小样本数据提供了一种新颖且有效的特征工程解决方案，具有推广到其他疾病预测场景的潜力。其次，在临床实践上，所构建的高精度、高鲁棒性风险评估模型，能够辅助医生更早、更准地识别出CVD高危人群，实现个性化预防和精准干预，有望降低CVD的发病率和死亡率。最后，模型（尤其是C4.5决策树）产生的可理解的决策规则，在一定程度上打开了机器学习模型的“黑箱”，增加了临床医生对AI辅助决策的信任度。
未来工作可以进一步探索将ABC与其他更复杂的分类器（如深度神经网络）结合，或在更多样化、更大规模的多中心临床队列中验证该框架的泛化能力，并深入分析所选出的关键特征子集的生物学和临床意义，从而推动人工智能在心血管疾病防控领域的深度融合与落地应用。
