基于交叉组合策略与动态加权堆叠集成的心血管疾病预测方法

为什么心脏风险预测很重要

心血管疾病仍然是全球首要的致死原因，常常在没有明显预警的情况下发作。医生知道许多危险因素——例如吸烟、高胆固醇和高血糖——但要将这些线索针对每位个体进行整合并不容易，尤其是当数据杂乱或来自不同医院与人群时。本研究提出了一种新的计算方法，它将多种预测模型组合在一起，并自动学习各模型应被信任的程度，旨在比现有工具更准确、且更早地识别心血管疾病风险。

超越简单风险评分

传统的心脏风险计算器，例如一些常用的临床评分，通常假定测量值与疾病之间存在比较简单的线性关系。而实际上，人体更像一个错综复杂的网络，胆固醇、血压和血糖等因素之间存在复杂的相互作用。近来的机器学习方法可以发现此类模式，但单一模型往往表现为不透明的“黑箱”，并且在应用到新患者群体时可能失效。现有的组合模型方法多数依赖于一次性确定的固定权重，无法在患者群体或数据质量随时间变化时迅速调整。

融合对同一患者的多种视角

作者通过一种称为交叉组合的策略来应对这些局限。与其仅依赖一种筛选重要特征的方法，他们对相同数据集应用了八种不同的特征选择方法。这些方法包括简单的统计过滤器、反复检验变量重要性的程序，以及与特定学习算法紧密相关的技术。每一组被选出的特征集随后与十四种不同的分类器之一配对，覆盖从基于概率的简单模型到决策树与神经网络等多种模型。总计生成了112个候选预测模型，每个模型都提供了对患者特征与心脏疾病关系的略有不同的“视角”。

让模型权重随时间演化

从这个大池中，选择出十个表现最佳的模型组成集成模型。这里的关键创新是动态加权堆叠框架。初始时，每个基础模型被赋予相等的影响力。在训练过程中，系统通过在不同数据折上反复测试各模型的表现，并根据误差调整其权重——表现更好的模型获得更高权重，较弱的模型则逐步被弱化。这些经调优的基础模型的输出被融合成一组新的信号，作为最终决策器的输入，最终决策器基于k近邻方法，擅长识别局部模式而不假定特定的数据形态。这个自适应过程使得集成能够应对数据分布的变化，例如引入新的医院或不同患者构成时。

在真实心脏数据集上的测试

该方法在三个知名的心血管数据集上进行了评估：来自克利夫兰的小型平衡医院数据集、来自弗雷明翰的较大且高度不平衡的社区研究数据集，以及一个包含7万条记录、同时有数值与类别信息的大型数据集。研究者对数据进行了仔细清洗、在合适情况下填补缺失值，并处理了异常值。在这三个数据集中，他们的组合模型相比任何单一模型以及若干近期先进方法都取得了更高的准确率和更好的疾病-健康判别能力。例如，在克利夫兰数据上其准确率约为98%，几乎可以完美地区分有无心脏病的个体，并且在不平衡与大规模数据集上的表现也有所提升。

揭开预测的黑箱

为使系统在临床实践中更易被接受，团队使用了SHAP这一现代可解释性技术来衡量每个输入因素对预测的贡献。模型不仅能报告某位患者处于高风险，还能指出吸烟行为、血脂水平或血糖是导致该结论的主要驱动因素。有趣的是，模型识别出的最具影响力特征与中国现行的预防指南相一致，后者也将吸烟、血脂异常和糖尿病视为可干预的主要心血管疾病驱动因素。年龄和血压仍然重要，但在这些数据集中，它们对最终决策的贡献相较生活方式与代谢指标略小。

对日常健康的意义

对非专业人士来说，主要结论是更智能、更灵活的计算模型能增强医生在不可逆损伤发生前预测心脏问题的能力。通过组合许多较小的模型并持续重新平衡它们的影响力，该方法更能应对噪声大、不平衡和动态变化的医疗数据。与此同时，使用可解释性工具有助于将关注点集中在熟悉且可干预的风险因素上——尤其是吸烟、胆固醇和血糖——这些是患者与临床医生能实际改变的。尽管仍需在真实临床环境和更丰富的数据类型上进一步测试，但这项工作指向了既更准确又更透明、可为心血管预防提供指导的预测系统。

引用: Qi, X., Gao, J., Qi, H. et al. A cardiovascular disease prediction method based on cross-combination strategy and dynamic weighted stacking ensemble. Sci Rep 16, 13901 (2026). https://doi.org/10.1038/s41598-026-48006-3

关键词: 心血管疾病预测, 集成学习, 医学中的机器学习, 风险因素, 模型可解释性