基于可解释性机器学习模型的重金属暴露与卒中风险预测的研究

目的比较脑卒中和非脑卒中人群重金属含量差异,并构建可解释性机器学习模型以尝试结合重金属含量预测脑卒中风险。方法收集2009~2018年NHANES调查统计的人群数据,使用随机降采样法将数据调整为平衡数据集,按照7:3的比例将所有样本随机划分为训练集和测试集,构建并训练支持向量机、随机森林、梯度提升树三个基于不同原理的机器学习模型,并采用绘制受试者工作特征曲线(ROC)并计算曲线下面积(AUC)以及准确度、精确度、敏感度、特异度的多种方式来评价模型性能,最后基于博弈论中shapley值的方法来评价每个特征对于模型的共享程度,提高模型的可解释性并分析重金属含量在模型预测中的作用。结果单因素分析结果显示:年龄、种族、教育程度、家庭贫困收入比、是否患有糖尿病、高血压、高胆固醇血症在脑卒中组和非脑卒中组相比较,差异均有统计学意义(P<0.001)。而性别因素在本研究人群的两组中则差异无统计学意义(P>0.05);在构建的三个机器学习模型中,随机森林模型取得了最佳表现(AUC为0.8087),根据shap值可以看出重金属含量与脑卒中的关系按照贡献度从高到底依次是铅、镉、汞、锰,并且从热图看出不同样本会选择不同重金属含量参与模型的预测。结论脑卒中和非脑卒中组的重金属含量存在显著差异,且可用于构建可解释的机器学习脑卒中预测模型。