急性心肌梗死死亡风险预测：机器学习实战全流程解析

简介面向急性心肌梗死AMI死亡风险预测的机器学习实践项目适合医疗数据分析从业者与AI初学者进阶学习。资源围绕从年龄、血压、血脂等临床指标中构建预测模型的完整流程展开涵盖数据预处理、特征选择、逻辑回归/随机森林/XGBoost/LightGBM多模型对比、交叉验证、网格搜索调参以及模型可解释性分析等关键环节。压缩包共10个文件大小5.56MB包含4个Python训练脚本、3个CSV数据集、2个SQL取数脚本和1个患者信息Excel表格代码结构清晰、注释完整便于直接运行复现和二次改造。目前已有169人学习下载。借助这份资料读者不仅能掌握医疗机器学习项目的规范流程还可深入理解缺失值处理、特征编码和模型优化等实战细节是探索AI辅助临床决策的有价值参考。1. 急性心肌梗死死亡风险预测这个机器学习项目解决什么问题急诊室凌晨收进来一个胸痛病人心电图提示STEMI接下来的问题是先溶栓还是先转运现在进导管室还是等心肌标志物回报后再定急性心肌梗死的院内死亡率在真实世界并不低而抢救窗口很短医生需要在入院最初一两个小时内给出一个客观的风险分层。这个标题对应的正是一个用机器学习在这类数据上建模预测AMI患者死亡风险的完整项目打包。它解决的是分诊顺序、ICU床位预留、出院决策这几件具体事。适合手里有电子病历导出数据、想做临床预测模型的数据工程师也适合想把公开重症数据库用起来的医学生。2. 数据准备从小病历原始表到能喂给模型的宽表2.1 临床数据从哪来以及怎么定义“死亡结局”做任何临床预测项目第一步不是选模型而是把结局定义清楚。急性心肌梗死的死亡风险通常有两个口径一是院内死亡二是确诊后30天内死亡。两个都值得做但必须分开建模或至少分开记录因为“能活着出院但出院后三天出事”和“住院期间就恶化”对应的危险因素不完全一样。这类项目最常见的数据来源有两个医院信息科导出的本地病历数据以及公开重症数据库。公开库的优点是样本量大、随访完整缺点是特征字段和国内检验单位不一致。本地数据则反过来字段顺手但正样本往往不够。我的习惯是先用公开数据验证整个特征和评估流程再把同一套代码套到本地数据上。结局构建时最容易出问题的是把所有死亡都算成AMI死亡。心梗患者住院期间可能因为感染、消化道出血、肿瘤终末期死亡这些不该全部算作心梗死亡风险的正样本。所以死亡率要跟主要死因做匹配至少排除掉明确非心源性死亡。import pandas as pd # 常见原始表结构adt是入院记录outcome是随访或死亡登记 adt pd.read_csv(adt.csv, parse_dates[admit_dt, disch_dt]) outcome pd.read_csv(outcome.csv, parse_dates[death_dt]) # 只保留ICD10主诊断属于急性心肌梗死的患者I21段 ami adt[adt[icd10].str.startswith(I21)].copy() # 把死亡结局按patient_id合并回入院记录 ami ami.merge(outcome[[patient_id, death_dt]], onpatient_id, howleft) # 定义结局命中院内死亡 或 入院后30天内死亡任一即视为正样本 ami[death_flag] ( ami[death_dt].notna() ( (ami[death_dt] ami[disch_dt]) | (ami[death_dt] ami[admit_dt] pd.Timedelta(days30)) ) ).astype(int) # 看一眼事件率后面所有评估指标都以它为基准 print(ami[death_flag].mean())这段代码的逻辑要仔细看两遍。death_dt.notna()过滤掉没有死亡记录的人“院内死亡”用死亡时间小于出院时间判断这个比单纯看“出院转归”字段要稳因为有些系统出院转归填的是“治愈”但病案首页又补录了死亡30天窗口用入院时间做锚点而不是出院时间否则会把住院天数长的病人窗口拉宽。事件率非常关键。如果算出来低于3%就要考虑是不是随访时间太短或者死因筛选过严。反过来如果高于20%要怀疑样本里混入了心源性休克或者转院病人这类病人转运前真实死亡率本身就不一样。事件率决定后面用什么评估指标先记下这个数字。2.2 把化验室数据压进入院24小时窗口临床特征里最乱的就是化验室数据。同一个患者入院两小时内抽了三次血入院第三天又抽了五次每次的肌钙蛋白、肌酐、钾、乳酸全不一样。如果直接把每次化验作为一行特征模型会被采样频率带偏——病得越重抽血越频繁抽血次数本身就成了一个隐藏的“病情严重度计”这属于一种变相的标签泄漏。正确做法是定义一个固定时间窗口把窗口内的多次测量压缩成几个统计量。入院24小时窗口是最常用的因为绝大部分AMI患者会在这个时间内完成首轮采血而这个窗口内的变化主要反映入院时的基线状态还没被治疗干预完全改写。import numpy as np # 定义化验窗口入院时刻到入院后24小时 win_hours 24 lab_window lab.merge( ami[[patient_id, admit_dt]], onpatient_id, howinner ) lab_window lab_window[ (lab_window[lab_dt] lab_window[admit_dt]) (lab_window[lab_dt] lab_window[admit_dt] pd.Timedelta(hourswin_hours)) ] # 每个患者、每个化验项压缩出首测值、最大值、最小值 lab_agg lab_window.groupby( [patient_id, item_name] )[value].agg( first_valuefirst, max_valuemax, min_valuemin ).reset_index() # 宽表化一行对应一个患者 lab_pivot lab_agg.pivot_table( indexpatient_id, columnsitem_name, valuesfirst_value, aggfuncfirst, ) lab_pivot.columns [f{c}_24h_first for c in lab_pivot.columns] max_pivot lab_agg.pivot_table( indexpatient_id, columnsitem_name, valuesmax_value, aggfuncmax ) max_pivot.columns [f{c}_24h_max for c in max_pivot.columns] lab_feature pd.concat([lab_pivot, max_pivot], axis1)为什么保留首测值还要保留极值首测值代表来院那一刻的状态适合肌钙蛋白这类“越高越危险”的指标极值代表24小时内的最坏状态对乳酸、肌酐这类会动态变化的指标更重要。有些项目还会加一个“首次到峰值时间”但在绝大多数复盘里这个特征容易过拟合样本量不够时不要轻易加。窗口锚点建议统一用入院时间不要用首次心电图时间也不要用心肌标志物首测时间。不同患者从入院到首诊差异很大锚点不统一会导致时间窗长度失真这个坑在病历数据里极其常见。窗口宽度从24小时改成48小时特征数量和模型AUC通常都会略有提升但临床意义会模糊——入院第二天的情况已经混入了不少治疗干预所以24小时是折中值。若做敏感性分析可以两个窗口都跑一遍对比写论文时这组对比也是加分项。2.3 缺失数据的“临床级”处理临床数据缺失率和普通结构化数据完全不是一个量级。肌钙蛋白可能90%的人都有但BNP可能只有30%的人查过还有一部分化验项是在患者病情恶化后才开始查的。这种缺失不是随机的它本身就携带病情信息——“没查”常常意味着“当时评估不需要查”。常见的翻车操作是直接对所有缺失列做均值填充然后扔掉填充痕迹。这样会让模型把“缺了某指标又恰好补成均值”的样本和“真的接近均值”的样本混在一起丢失最宝贵的信息。我带缺失指示位再填充让树模型自己决定“缺失”这个分支该怎么走。# 先删掉缺失率过高、已经没有建模价值的列 miss_rate lab_feature.isna().mean() lab_feature lab_feature.loc[:, miss_rate 0.45] # 生成缺失指示位这里信息量往往比填充值本身还大 missing_flags lab_feature.isna().astype(int) missing_flags.columns [f{c}_missing for c in missing_flags.columns] # 用训练集中位数填充数值部分 # 注意中位数必须先fit到训练集存成文件再用这个值去填验证集和测试集 medians lab_feature.median() lab_feature_filled lab_feature.fillna(medians) # 数值列加缺失位拼到一起 model_ready pd.concat([lab_feature_filled, missing_flags], axis1)缺失率45%这个阈值不是固定的。样本量大可以放高一些样本量小建议严一些——列太多但有效样本太少树的深度会变得很浅特征分不开。缺失指示位命名直接带_missing后缀这样后面看SHAP图时能一眼认出哪些是缺失标签而不是被当成某种生理现象去解读。中位数填充只适用于树模型和逻辑回归的初步建模。如果你后面要用神经网络缺失本身就需要更复杂的处理策略不要在embedding层之前就简单fillna。这一步还有一个容易被忽略的细节训练集和验证集必须共享同一组中位数否则验证集的中位数无意中引入了验证集分布信息验证指标就不再可信了。3. 建模与评估从逻辑回归到XGBoost的对比实验3.1 模型选型为什么先跑逻辑回归再做树模型临床预测项目里最常见的模型选择路径是逻辑回归做基线随机森林看非线性收益XGBoost/GradientBoosting做主力候选。逻辑回归先跑不是因为效果好而是因为它的系数能直接解释而且在变量之间相关性强的病历数据上依然稳定。树模型的优势是能自动处理缺失分支和特征交互但它更容易记住噪声。SVM在这个场景下我一般不会优先考虑。它在高维稀疏临床表上的泛化不如正则化的逻辑回归调参成本高解释性还差。深度学习如果没有足够样本量在表格数据上优势不明显不建议作为第一版方案。from sklearn.linear_model import LogisticRegression from sklearn.ensemble import RandomForestClassifier from xgboost import XGBClassifier from sklearn.pipeline import Pipeline from sklearn.preprocessing import StandardScaler from sklearn.model_selection import cross_val_score X model_ready.values y ami[death_flag].values # 逻辑回归标准化 L2正则小C值防止高维特征过拟合 logreg Pipeline([ (scale, StandardScaler()), (clf, LogisticRegression(max_iter1000, class_weightbalanced, C0.1)) ])参数里最容易被忽略的是C0.1。这个概念是正则强度的倒数C越小正则越强。病历特征动辄一两百维加上缺失指示位后维度更高先用较小的C压住权重比直接默认C1.0稳得多。class_weightbalanced让损失函数自动放大少数的死亡样本权重这个比手动过采样更干净。rf RandomForestClassifier( n_estimators300, min_samples_leaf15, max_depth6, class_weightbalanced, n_jobs-1, random_state42, ) xgb XGBClassifier( n_estimators300, max_depth3, learning_rate0.03, subsample0.8, colsample_bytree0.8, scale_pos_weightsum(y 0) / sum(y 1), eval_metriclogloss, random_state42, )随机森林的min_samples_leaf15是关键。默认值往往让叶子节点在少数类上分到只剩一两个样本树深又大泛化很差。调到15以上每片叶子至少要有15个样本才允许产生模型会平滑很多。max_depth6配合这个叶子数能保留交互项但不至于记住单个患者的特殊性。XGBoost里的scale_pos_weight等于负样本数除以正样本数。这个值的含义是“把少数类的梯度放大多少倍”它是XGBoost里处理不平衡最重要的参数比class_weight更直接。如果你算出来事件率是5%这个值大约就是19。不要凭感觉乱填直接从代码算出来。3.2 评估指标别只看AUC阳性病例太少怎么办临床死亡预测里阳性率通常在3%到10%之间。AUC在极度不平衡时容易被高分样本撑起来而且它对阈值不敏感——AUC只看排序质量不管你的预测分数落在哪个区间。所以必须要同时看平均精确率APAP对阳性样本的排序质量更敏感更能反映“模型在风险最高的那一批病人里是否真的优先列出了死亡患者”。还有一组合适的指标是召回率和精确率的配对。急诊分诊场景要求高召回因为漏掉一个真实死亡患者代价极大但过高的假阳性会让ICU床位被低风险患者占满。评估时不要用trainsubset验证。交叉验证是必须的而且要用分层交叉验证保证每一折的死亡比例和总体一致不然某一折里正好没有死亡样本评估曲线会剧烈波动。from sklearn.model_selection import StratifiedKFold from sklearn.metrics import roc_auc_score, average_precision_score cv StratifiedKFold(n_splits5, shuffleTrue, random_state42) for name, model in [(LR, logreg), (RF, rf), (XGB, xgb)]: auc_list, ap_list [], [] for train_idx, val_idx in cv.split(X, y): model_clone model model_clone.fit(X[train_idx], y[train_idx]) prob model_clone.predict_proba(X[val_idx])[:, 1] auc_list.append(roc_auc_score(y[val_idx], prob)) ap_list.append(average_precision_score(y[val_idx], prob)) print(f{name}: AUROC{np.mean(auc_list):.3f}±{np.std(auc_list):.3f}, fAP{np.mean(ap_list):.3f}±{np.std(ap_list):.3f})注意这里每次都在循环里重新fit同一个模型对象交叉验证时如果模型对象本来就带有fit状态要么深拷贝要么重新实例化。更安全的做法是在循环内部重新创建模型不要复用外层对象。我见过不少复现代码在这里翻车训练集会残留前一次fit的参数。标准差比平均值重要。如果AUC均值0.85但标准差0.08说明模型极不稳定某折可能因为样本构成差异表现很差。这时候要先回去看是不是特征里混进了不该有的时间戳变量而不是调超参数。3.3 类不平衡的三个常用动作处理不平衡有三个层次调整损失权重、重采样、合成样本。第一个最轻改变的是模型优化目标SMOTE这类重采样则直接改变训练集分布但噪声也会被放大。建议的顺序是先做损失权重调整也就是前面的class_weight和scale_pos_weight。如果AUC和AP都没上去再试SMOTE。合成样本在表格型临床数据上要小心SMOTE生成的“合成患者”可能把多个独立变量的极端值组合到一起产生临床上不可能存在的样本迷惑模型。如果在SMOTE后模型的表现提升主要来自验证集分数的抖动那就放弃它说明数据本身的信号不足以支撑合成样本。最后一个动作是把预测分数重新校准到真实风险概率。不平衡数据下模型输出往往偏移后面第4章会专门展开讲校准问题。这里先记住一条模型排序能力好和输出概率可信是两件事。4. 临床数据训练的 5 个典型坑4.1 标签泄漏你的特征里混进了出院信息现象交叉验证AUC冲到0.97看特征重要性发现“住院总费用”“出院转归科室”“住院天数”排名靠前细查后发现这些字段在入院时根本不存在。原因把整个住院周期的记录直接作为特征表没有按时间点截断。解决特征只保留入院时刻及入院后24小时内可获得的信息建立特征时间戳清单凡是“出院”或“结算”相关的字段一律删除。这个坑在真实病历数据里出镜率极高因为信息科导出的宽表往往已经包含结算、病程结果、最终诊断等字段。机器学习模型没有时间概念它只看到“这列能区分死亡与否”于是会疯狂利用这些未来信息。排查方式很简单把每个特征按“入院前/入院24h内/出院时/出院后”打标只要标签里有出院后的字段直接删除整列。4.2 时间窗错位把48小时后的化验值塞进了入院特征现象模型对“血小板最低值”异常敏感但临床查房记录显示血小板下降发生在介入术后第二天属于治疗反应而非入院状态。原因对化验表做groupby聚合时用了整个住院期间的数据没用24小时窗口限定。解决回到第2.2节的窗口逻辑所有特征统一锚定入院时间不允许跨窗口聚合。这种错位最大的危害是会高估模型的“预测能力”——它其实是在用已经发生的结果去做回顾性判别。一套特征只要混入一列“术后48小时血红蛋白”模型的AUC就会高出真实水平一大截但转到实际分诊场景这个特征根本取不到值。4.3 随机K折高估了泛化能力现象随机5折交叉验证AUC0.88换成按时间段的前后分裂只有0.79。原因同一患者多次复发入院会被分到训练集和验证集各一边模型实际上记住了患者ID特征。解决用GroupKFold按患者ID分组切分进一步还可以按入院年份做时间序列分裂模拟真实使用场景。病历数据里同一个患者多次住院是常态心梗复发尤其常见。如果不按患者分组模型很可能学的是“这个病人上次住院差点死掉这次也危险”导致过度乐观。验证时必须保证同一个患者的所有记录都在同一折里。4.4 校准失效医生看到的风险百分比不可信现象模型预测死亡率30%的一组病人实际三个月死亡率只有12%。医生直接把报告打印回去说“不准”。原因分类器输出的是判别分数不是真实概率尤其是在XGBoost这类模型上输出分数普遍偏极端。解决对验证集做校准最常用的是Platt缩放用于逻辑回归和等渗回归用于树模型然后报告校准曲线和Brier分数。from sklearn.calibration import CalibratedClassifierCV # 校准必须放在交叉验证中做不能直接拿测试集又校准又评估 calibrated_xgb CalibratedClassifierCV( xgb, methodisotonic, cv5 )isotonic方法在校准数据量充足时效果好能拟合任意单调关系sigmoid方法更适合样本量小的场景。校准之后必须重新在独立的验证集上算Brier分数否则你只是在同一份数据上做了一次插值看似准了其实还是泄漏。4.5 均值填充把“没查”当成“正常值”现象缺失指示位特征在SHAP重要性排名飞升单独看数值填充列反而没区分度。原因临床上“没查某指标”本身就意味着医生评估后认为必要性低或者患者病情变化太快来不及查这个缺失事件与结局相关。解决数值填充和缺失指示位必须同时进入模型不能只留填充列。更进一步可以考虑是否单独做“未检测”的二分类特征合并。这一步上吃过很大的亏。最初只填充不建指示位模型AUC略降当时没在意后续做特征解释时发现某个化验项目的重要性被完全掩盖。重建缺失指示位后该特征排进前五逻辑也说得通——急诊没查乳酸和查了乳酸但数值正常背后患者状态完全不同。5. 解释与落地从黑匣子到科室里敢用的预测接口5.1 用SHAP解释单个患者的风险构成模型AUC到了0.85医生依然不会直接用因为医生不敢把一个黑匣子的输出写进病历。给医生的交代方式不是“准确率很高”而是逐条说明这个患者为什么被判高危。SHAP是目前和临床沟通最顺畅的解释工具。它给每个特征一个方向明确的贡献值肌钙蛋白峰值高贡献了0.12年龄87岁贡献了0.08血压偏低贡献了0.06最后叠加出高风险。import shap import joblib # 加载训练好的XGBoost模型 xgb_loaded joblib.load(ami_death_risk/model.joblib) # 对验证集所有患者计算SHAP值 explainer shap.TreeExplainer(xgb_loaded) shap_values explainer.shap_values(X_val) # 挑出一个死亡概率最高的患者生成单患者解释 shap.force_plot( explainer.expected_value, shap_values[high_risk_idx, :], X_val.iloc[high_risk_idx, :], matplotlibFalse )用matplotlibFalse可以得到HTML交互图能直接存成网页发给临床科室。注意TreeExplainer要求特征是数值型且缺失指示位也作为普通特征参与计算解释时看到xxx_missing1的贡献要能向医生解释成“该指标未检测这个事实本身构成风险”而不是“没有数值所以有风险”。SHAP值还有一个加分用法按特征聚合后对比模型排序前20的高危患者和前20的低危患者找出差异最大的一组特征作为临床查房时的可操作观察项。5.2 分诊场景的阈值怎么定召回率优先模型输出的是概率但急诊分诊是二元决策进不进监护室转不转诊。这时候阈值不能默认0.5。死亡风险10%和5%的患者都不能按常规阈值被划为“低风险”。分诊场景应该优先保证召回率也就是“真正会死的患者尽量都被拦住”然后在这个前提下让误报率尽量低。from sklearn.metrics import precision_recall_curve # 先拿验证集的预测概率 prob_val xgb_loaded.predict_proba(X_val)[:, 1] prec, rec, ths precision_recall_curve(y_val, prob_val) # 要求召回率不低于90%在这些阈值里挑精确率最高的 valid_mask rec 0.90 if valid_mask.any(): best_t ths[valid_mask][np.argmax(prec[valid_mask])] print(f90%召回对应的阈值: {best_t:.3f})选出来的阈值往往在0.08到0.25之间跟0.5差得很远。这个阈值不是直接写死在模型里的而是由医院资源决定监护床位充足可以降低阈值减少漏诊床位紧张就上调阈值用风险分层来排队。5.3 把模型变成科室里能用的预测服务模型最终要落地一般需要三个文件模型本体、特征清单、特征预处理参数。我习惯把这三样打包成一个独立的预测目录不依赖训练脚本。import json # 保存特征列顺序预测时严格按相同顺序拼接输入 feature_list model_ready.columns.tolist() with open(ami_death_risk/features.json, w) as f: json.dump(feature_list, f) # 保存训练集的中位数用于预测时填充新样本 medians.to_json(ami_death_risk/medians.json) # 模型本体用joblib保存 joblib.dump(xgb_loaded, ami_death_risk/model.joblib)预测接口这一步常见做法是起一个轻量的Flask/FastAPI服务接收结构化特征JSON返回死亡概率和分诊等级。但比接口本身更重要的是特征对齐的容错逻辑。新样本某列缺失是填中位数还是补_missing1必须和训练时的规则完全一致否则模型拿到的特征分布完全不同。我来整理一下整个机器学习应用流程里最容易断的地方训练时做过标准化、填充、宽表透视预测时没有复刻这套预处理导致上线第一周预测分布和训练时完全对不上。最终解决办法是把所有预处理写进同一个类训练和预测共用同一套代码路径不允许分开写两版。6. 决策曲线与验证让临床真正采纳模型的最后一公里模型有了阈值也有了还差一件事怎么向科室证明“用了这个模型比不用更好”。单纯AUC高不等于有临床价值因为模型多识别出的那几个死者是否值得占用那个本来就紧张的ICU床位这里要用决策曲线分析。它的核心是算净受益率在某个阈概率下阳性患者得到干预的比例扣除未患病却被干预的比例的惩罚。def net_benefit(y_true, prob, threshold): # 这里threshold就是假设的“医生决策阈概率” tp_rate ((prob threshold) (y_true 1)).mean() fp_rate ((prob threshold) (y_true 0)).mean() # 净受益 真阳率 - 假阳率 * (阈值概率/(1-阈值概率)) return tp_rate - fp_rate * (threshold / (1 - threshold)) # 在验证集上计算不同阈值下的净受益 for t in [0.05, 0.10, 0.15, 0.20]: nb net_benefit(y_val, prob_val, t) print(f阈概率{t:.2f}, 净受益{nb:.4f})决策曲线的读法比校准曲线直白看我们的模型阈值在临床可接受范围内是否始终高于“所有人都不干预”和“所有人都干预”两条参考线。如果模型的净受益在大部分范围内高于基线科室才有理由把它纳入分诊流程。我自己做过一个失败案例模型AUC 0.84但决策曲线在10%到20%的阈概率区间并不优于“全部收ICU”最后一版为了让决策曲线好看硬是把阈值取向偏保守的中位风险区间这才说服科室拿真实数据跑两周验证。跑验证的时间点选在月初周避开节假日急诊量异常波动的影响。从这份zip项目复现到真正投入分诊路径并不短先本地用公开数据跑通再用自家数据重建结局最后做决策曲线和科室试用。如果你手头只有一份导出的病历表格我的建议是先花一半时间把特征时间戳和结局定义弄清楚再谈建模。这个顺序每一次都有效也是我在这个方向上前期踩坑最多的根源。希望帮到你。本文还有配套的精品资源点击获取