来自韩国、日本和英国的3个独立队列中血脂异常的机器学习预测模型及其与动脉粥样硬化血栓形成事件的关联：算法开发与验证研究

摘要 背景 血脂异常是一种多因素且复杂的病症，值得通过机器学习 (ML) 等先进分析方法进行研究。既往极少有预测血脂异常的 ML 研究在多个跨国人群中得到验证。 目的 本研究旨在开发一种利用常规收集的健康体检数据预测5年内血脂异常发生率的 ML 模型。为确保泛化能力，该模型在来自韩国、日本和英国的人群中进行了外部验证。此外，通过检查模型推导的风险与包括急性心肌梗死和脑梗死在内的动脉粥样硬化结局之间的关联，评估了该风险的临床相关性。 方法 本研究利用3个独立的、大规模的、基于人群的队列开展。来自韩国的发现队列 (n=471,650) 用于模型训练和内部验证，而来自日本 (验证队列 A；n=7,255,685) 和英国 (验证队列 B；n=408,725) 的2个验证队列用于外部验证。我们使用从常规健康筛查数据中提取的23个特征评估了各种基于 ML 的模型，以预测5年内新发血脂异常。计算 Shapley Additive Explanations 值以评估特征重要性。为了确保所提出 ML 模型的稳健性，我们使用 Cox 比例风险模型，根据模型概率（三分位数；T1、T2 和 T3）评估了动脉粥样硬化血栓形成事件（急性心肌梗死或脑梗死）的风险。 结果 在发现队列中，结合 Light Gradient Boosting Machine 和分类提升 (categorical boosting) 的软投票集成学习 (soft-voting ensemble learning) 展现出的性能指标为：受试者工作特征曲线下面积 (AUROC) 为 0.783，精确度为 37.9%，精确度-召回率曲线下面积为 0.469。该模型在外部验证队列中表现出中度的区分性能（队列 A：AUROC 0.744；精确度 27.2%；队列 B：AUROC 0.687；精确度 5.07%）。Shapley Additive Explanations 值分析确定吸烟、饮酒量和体力活动是预测血脂异常最重要的特征。最后，较高的模型概率（T3 相比参照组）与急性心肌梗死（调整后风险比 2.34，95% CI 1.84‐2.97）和脑梗死（调整后风险比 2.43，95% CI 2.19‐2.71）风险增加显著相关。 结论 这项跨国研究利用常规体检数据开发并验证了一种基于 ML 的模型，用于预测5年新发血脂异常的风险，该风险也与动脉粥样硬化事件相关。