用于增强心脏病预测的生成对抗网络与超参数优化 XGBoost

为何早期心脏预警至关重要

心脏病仍然是全球首要的杀手，但其大部分损害在多年间默默积累。医生已经收集了大量健康信息——从年龄与血压到睡眠和运动习惯——但将这些杂乱且不完美的数据转化为可靠的早期预警非常困难。本文提出了一种新的计算方法，称为 GAN-XO，旨在从大型健康调查中筛选出高风险心脏病患者，且预测准确度显著，同时使其决策对临床医生更透明、更可信。

引用: Begum, S.S., Swamy, A., Dhanka, S. et al. Generative adversarial networks and hyperparameter-optimized XGBoost for enhanced heart disease prediction. Sci Rep 16, 11326 (2026). https://doi.org/10.1038/s41598-026-40322-y

关键词: 心脏病预测, 医学机器学习, 合成健康数据, 数据质量与异常值, XGBoost 建模