基于机器学习算法建立胎母输血综合征预测模型

摘要

目的基于机器学习算法建立胎母输血综合征(fetomaternal hemorrhage syndrome,FMH)预测模型,以辅助临床医生早期发现、诊断FMH并进行干预治疗。方法本研究纳入2019年6月~2020年12月于本院产科进行产检的1933例孕妇(孕6~42周)进行分析,使用递归特征消除法对FMH预测中的关键特征变量进行筛选,采用包括极端梯度提升决策树(XGBoost)模型等8种机器学习算法和传统回归方法构建FMH预测模型,并对其进行比较,择优选出最佳预测模型,采用十折交叉验证评价模型性能。结果XGBoost模型表现出明显的预测优势,其训练集AUC为0.827,测试集AUC为0.808,准确率达0.76,其性能明显优于AUC仅为0.681的传统逻辑回归模型和其他7个机器学习模型。结论本研究成功构建一款基于XGBoost算法的FMH预测模型,其预测性能良好。