摘要： 機(jī)器學(xué)習(xí)正逐漸改變著各行各業(yè)，醫(yī)療行業(yè)也處于變革之中。想不到機(jī)器學(xué)習(xí)不光能診斷患者病情，還能預(yù)測(cè)患者出院后的情況呢，這個(gè)研究方向有點(diǎn)意思，感興趣的讀者快來(lái)瞅瞅吧！
隨著數(shù)據(jù)量以及計(jì)算機(jī)性能的不斷提升，機(jī)器學(xué)習(xí)技術(shù)正逐漸滲透于各行各業(yè)中。計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器人等領(lǐng)域基本上已經(jīng)被機(jī)器學(xué)習(xí)算法壟斷，正逐步向教育、銀行、醫(yī)療等傳統(tǒng)行業(yè)擴(kuò)張。關(guān)于機(jī)器學(xué)習(xí)如何改變傳統(tǒng)教育模式，可以參見(jiàn)博主的這篇文章《使用AR、AI以及大數(shù)據(jù)改革教育體系——為每位學(xué)生打造自己的私人定制學(xué)習(xí)路線》。銀行業(yè)目前對(duì)人工智能炒作成分居多，大多數(shù)銀行持觀望態(tài)度，短時(shí)間不會(huì)利用人工智能取代大部分銀行職員工作。醫(yī)療行業(yè)應(yīng)用AI也比較火熱，比如利用AI檢測(cè)癌癥、驅(qū)動(dòng)新藥發(fā)現(xiàn)引擎、基因檢測(cè)等。而膿毒癥（Sepsis）是一種醫(yī)療行業(yè)常見(jiàn)的并發(fā)癥，本文將使用機(jī)器學(xué)習(xí)預(yù)測(cè)膿毒癥患者的出院后情況。
膿毒癥是指因感染因素引起的全身炎癥反應(yīng)綜合征，嚴(yán)重時(shí)可導(dǎo)致器官功能障礙或循環(huán)障礙，是嚴(yán)重創(chuàng)傷、燒傷、休克、感染和外科大手術(shù)等常見(jiàn)的并發(fā)癥，因?yàn)槠浒Y狀和發(fā)燒、低血壓等其它常見(jiàn)疾病非常相像，很難被早期發(fā)現(xiàn)，如果不及時(shí)治療，可進(jìn)一步發(fā)展為感染性休克，其住院死亡率超過(guò)40%，相當(dāng)危險(xiǎn)。
了解膿毒癥患者的最高死亡風(fēng)險(xiǎn)對(duì)臨床醫(yī)生的優(yōu)先護(hù)理是有幫助的。團(tuán)隊(duì)與Geisinger健康護(hù)理系統(tǒng)的研究人員合作，使用歷史電子健康記錄數(shù)據(jù)（EHR）建立模型來(lái)預(yù)測(cè)膿毒癥住院患者在住院期間或出院后90天的全因死亡率（all-cause mortality）。該模型可以指導(dǎo)醫(yī)療團(tuán)隊(duì)為那些預(yù)測(cè)為高概率死亡的患者進(jìn)行仔細(xì)監(jiān)測(cè)，并采取有效預(yù)防措施。
數(shù)據(jù)科學(xué)環(huán)境
使用IBM數(shù)據(jù)科學(xué)經(jīng)驗(yàn)為數(shù)據(jù)科學(xué)家提供編程環(huán)境（三種流行編程語(yǔ)言：Python、Scala和R，兩種編程分析工具：Jupyter和Zeppelin），此外，IBM數(shù)據(jù)科學(xué)經(jīng)驗(yàn)通過(guò)業(yè)務(wù)應(yīng)用程序?qū)崟r(shí)或批量計(jì)分來(lái)操作模型，為連續(xù)模型檢測(cè)和再訓(xùn)練集成反饋回路。
收集和預(yù)處理數(shù)據(jù)
Geisinger在2006年~2016年獲得了超過(guò)10000名確診為敗血癥的患者數(shù)據(jù)，這些數(shù)據(jù)包含人口統(tǒng)計(jì)學(xué)、住院和門診、外科手術(shù)、醫(yī)療史、藥物、醫(yī)院?jiǎn)挝恢g轉(zhuǎn)移以及實(shí)驗(yàn)室結(jié)果等記錄。
對(duì)于每名患者，選擇最近的醫(yī)院和最相關(guān)的住院數(shù)據(jù)，包括住院期間具體的信息，比如手術(shù)類型、培養(yǎng)位置（細(xì)菌）等。此外，還導(dǎo)出了入院前的總結(jié)信息，比如住院前30天的外科手術(shù)次數(shù)等，沒(méi)有使用出院后的數(shù)據(jù)。圖1給出了這些基于時(shí)間數(shù)據(jù)的決策：
圖1 基于時(shí)間序列數(shù)據(jù)做預(yù)測(cè)
合并所提供的數(shù)據(jù)集后，得到的數(shù)據(jù)集包括10599行，其中每名患者有199個(gè)屬性（特征）。
預(yù)測(cè)模型
在數(shù)據(jù)清洗和特征選擇完成后，將任務(wù)目標(biāo)定義為二分類問(wèn)題：預(yù)測(cè)膿毒癥患者出院后90天內(nèi)是否死亡。
選擇的算法為梯度提升樹（Gradient boosted trees， GBT），并通過(guò)XGBoost數(shù)據(jù)包實(shí)現(xiàn)。由于愛(ài)算法的良好的執(zhí)行速度和魯棒性，一直是機(jī)器學(xué)習(xí)競(jìng)賽中流行使用的算法。使用XGBoots另一個(gè)動(dòng)機(jī)是微調(diào)超參數(shù)以提升模型性能的能力。在訓(xùn)練數(shù)據(jù)中，使用十折交叉驗(yàn)證（ten-fold cross-validation）和網(wǎng)格搜索（GridSearchCV）以迭代的方式選擇參數(shù)，以最大化ROC曲線下的面積（AUC）。IBM數(shù)據(jù)科學(xué)經(jīng)驗(yàn)中的一個(gè)實(shí)例在此可見(jiàn)。
將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集，其中訓(xùn)練集占60%，測(cè)試集占40%。使用訓(xùn)練集訓(xùn)練模型，將訓(xùn)練好的模型參數(shù)應(yīng)用于測(cè)試集上，模型性能如圖2所示：
圖2 XGBoost模型的性能
圖2中的一些數(shù)據(jù)是性能評(píng)價(jià)指標(biāo)，比如AUC得分，這個(gè)數(shù)字越接近于1，則表示模型的能力越能正確的分類正預(yù)測(cè)（TP），從而減少假陽(yáng)性。測(cè)試結(jié)果AUC數(shù)據(jù)為0.8561，表明模型能夠識(shí)別出絕大多數(shù)膿毒癥患者90天內(nèi)是否死亡，如果預(yù)測(cè)為死亡，則這些患者可以進(jìn)行適當(dāng)?shù)陌邢蛑委煛?br /> 對(duì)于精確率（precision）和召回率（recall），數(shù)字越接近于1，表明模型越精確。圖2中顯示的數(shù)據(jù)為接近于0.80，即贊成高召回率——目的是盡量減少該模型遺漏最終可能因膿毒癥死亡的患者數(shù)量。
對(duì)于另外的一個(gè)評(píng)價(jià)指標(biāo)準(zhǔn)確度（Accuracy），使用bootstrap對(duì)訓(xùn)練和測(cè)試數(shù)據(jù)生成1000個(gè)變體，然后在這些數(shù)據(jù)上運(yùn)行XGBoost模型，并獲得每次運(yùn)行的模型準(zhǔn)確率，1000次運(yùn)行結(jié)果的準(zhǔn)確度分布為0.77~0.79之間的概率為95%，這意味著建立的模型能夠識(shí)別出超過(guò)四分之三的真實(shí)結(jié)果。
除了以上評(píng)價(jià)指標(biāo)外，模型的混淆矩陣（confusion matrix）如圖3所示。從圖中可以看到，對(duì)于測(cè)試數(shù)據(jù)，模型確定了1190例患者為真陽(yáng)性（預(yù)測(cè)為死亡的膿毒癥患者死亡）和2087例患者為真陰性（預(yù)測(cè)為生存的膿毒癥患者存活）。
圖3 陰陽(yáng)性預(yù)測(cè)
XGBoost還具有確定特征的能力，這種能力并不告知選擇的特征是否為死亡或生存的預(yù)測(cè)因子，但XGBoost生成的信息仍然非常有用，因?yàn)榭梢粤私獾侥男┨卣魇怯糜陬A(yù)測(cè)死亡的。如圖4所示，29.5%的患者都使用“入院年齡”特征來(lái)預(yù)測(cè)死亡。
圖4 模型最重要的20個(gè)特征
對(duì)特征進(jìn)一步的探索分析，以測(cè)試特征如何與死亡結(jié)果相對(duì)應(yīng)。雖然上圖有助于可視化特征與結(jié)果的關(guān)系，更重要的是要了解XGBoost訓(xùn)練多個(gè)決策樹的機(jī)制。因此，在探索過(guò)程中，XGBoost模型中的重要特征可能與這些結(jié)果變量沒(méi)有明顯關(guān)系。
如圖5所示，諸如“入院年齡”的特征可能表明老年患者相較于年輕患者而言具有更高的死亡比例，另一個(gè)例子“血管升壓藥使用時(shí)間”特征可能表明服用升壓藥的患者死亡率較高，但這些死亡也可能是由于其不好的健康狀況導(dǎo)致。
圖5 與患者死亡有關(guān)的一些重要特征
XGBoost輸出的決策樹規(guī)則可以幫助醫(yī)生進(jìn)一步了解如何針對(duì)患者制定治療方案。比如，由于老年患者較高的死亡風(fēng)險(xiǎn)，醫(yī)療團(tuán)隊(duì)可以特別關(guān)注老年患者，檢測(cè)所服用的血管升壓藥的持續(xù)時(shí)間、盡量減少患者在各科室之間轉(zhuǎn)移的次數(shù)以減少對(duì)易感染患者的影響等。
結(jié)論
預(yù)測(cè)膿毒癥患者的全因死亡可指導(dǎo)健康提供者主動(dòng)監(jiān)測(cè)并采取預(yù)防措施以提升患者的存活率。在本文模型中，選擇了那些被認(rèn)為與膿毒癥患者死亡有關(guān)的重要特征，即機(jī)器學(xué)習(xí)模型可以幫助識(shí)別與膿毒癥死亡相關(guān)聯(lián)的變量。后續(xù)隨著數(shù)據(jù)量的增加，將添加一些更關(guān)鍵特征來(lái)改進(jìn)模型，也可以將該方法應(yīng)用于其它病癥的預(yù)測(cè)之中，希望產(chǎn)生一個(gè)更具可操作的模型，以改善醫(yī)療水平。
原文鏈接干貨好文，請(qǐng)關(guān)注掃描以下二維碼：

總結(jié)

以上是生活随笔為你收集整理的机器学习能诊断病情，还能预测患者出院后的情况？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。