为提升冠状动脉粥样硬化性心脏病的防治水平,赋能智慧医疗,以心内科医疗信息化数据为对象,对冠状动脉粥样硬化性心脏病早期预测方法展开研究.阐述了从医疗信息系统中采集模型所需样本的数据筛选、数据清洗、文本预处理、文本表示以及特征归一化方法流程,提出了一种基于粒子群优化的随机森林预测方法.该方法以k折交叉验证平均准确率为目标函数,能够自适应优化随机森林的模型参数,从而提升模型的分类能力.实验结果表明,在真实世界冠心病数据的预测上,该方法具有较高的预测精度,准确率为87％,灵敏度为87％,特异度为88％,AUC为0.91,较未优化的随机森林具有明显的提升.因此,对冠状动脉粥样硬化性心脏病的早期预测应用具有一定的参考价值.
作者：韩刚；卢鹏飞；陈珊黎；邵维君；贾红岩；郑涛
来源：中国数字医学 2022 年 17卷 4期
