考虑缺失数据的机器学习预测方法：针对ST段抬高型心肌梗死患者，在初次经皮冠状动脉介入治疗后院内发生重大不良心血管事件的情况

《Scientific Reports》：Missing-data–aware machine learning prediction of in-hospital major adverse cardiovascular events after primary percutaneous coronary intervention for ST-segment elevation myocardial infarction

　　

摘要

机器学习（ML）为改善ST段抬高型心肌梗死（STEMI）后的预后提供了机会，但现实世界中的登记数据往往存在不完整性，对缺失数据的处理不当可能会降低模型的性能。我们回顾性地评估了659名在住院期间接受经皮冠状动脉介入治疗（PCI）的STEMI患者。主要结局指标为院内重大不良心血管事件（MACE）。分析了80个临床、心电图、实验室、超声心动图和血管造影变量，其中某些预测因子的缺失率高达40%。我们采用了一种混合特征选择方法，结合了CatBoost特征重要性、SHAP值、方差过滤和相关性筛选来识别最具信息量的预测因子。模型通过分层5折交叉验证进行训练，比较了CatBoost中的原始缺失值处理方法与基于Transformer的插补方法（TabImpute）以及一个预训练的表格模型（TabPFN）的效果。共有282名患者（42.8%）发生了MACE。直接在数据不完整的情况下使用CatBoost训练的模型表现最佳，仅需约8-10个预测因子即可达到较好的预测效果（AUC为0.73），其平衡准确率为0.69，精确率为0.68，召回率为0.53）。基于Transformer的插补方法并未提升模型的区分能力。SHAP分析表明，PCI前的TIMI血流受阻、左心室射血分数（LVEF）降低、肌钙蛋白升高、ST段偏移度增加、炎症反应以及肾功能障碍是影响预后的主要因素。一个针对院内死亡率的加权CatBoost模型取得了极高的准确率（AUC=0.93）。这些发现支持在STEMI登记数据中使用能够处理缺失数据的ML方法进行预后预测，并强调了进行外部验证的必要性。