混合深度学习与大语言模型框架用于MACE风险预测与循证临床建议
研究在忠北国立大学医院急诊病历数据上构建1D-CNN预测院内MACE(心肌梗死、需住院的不稳定型心绞痛或心力衰竭住院),数据集含26293例(97.95%)MACE与549例(2.04%)无MACE记录,采用SMOTETomek处理类别不平衡,训练集80%、测试集20%。1D-CNN总体准确率0.97,MACE类精确率1.00、召回率1.00、F1 0.98;对照模型中XGBoost准确率0.97、KNN 0.96、随机森林0.76、SVM 0.73、AdaBoost 0.73、逻辑回归0.62。推荐系统以Mistral模型结合RAG和提示工程,依据WHO与AHA心血管预防指南生成建议,LLM评判器评分显示两套指南下指南依从性、饮食计划、生活方式/运动均为5/5,临床安全性4/5,非处方药警示3/5。作者结论认为该框架可将风险预测与指南约束建议整合,支持临床决策。
要点
- 数据来自忠北国立大学医院急诊电子病历,索引日期为2020年7月至2023年2月首次因心血管疾病至急诊或心内科入院日期,预测窗口限于该次住院至出院。
- 最终数据集26293例(97.95%)为MACE、549例(2.04%)为无MACE;MACE定义为院内发生的心肌梗死、需住院的不稳定型心绞痛或心力衰竭住院。
- 1D-CNN总体准确率0.97;MACE类精确率1.00、召回率1.00、F1 0.98,原文称其优于传统机器学习模型。
- 对照模型准确率:XGBoost 0.97、KNN 0.96、随机森林0.76、SVM 0.73、AdaBoost 0.73、逻辑回归0.62;XGBoost的MACE类召回率0.94低于1D-CNN的1.00。
- 推荐系统依据WHO和AHA指南生成建议,LLM评判器评分为指南依从性5/5、饮食5/5、生活方式/运动5/5、临床安全性4/5、非处方药警示3/5。
适用人群与场景
- 纳入研究期间(2020年7月至2023年2月)首次记录心血管入院且有可用基线入院数据的成人(≥13岁)。
- 排除MACE无法与入院在时间上区分、结局数据缺失或重复入院的患者(每位患者仅保留首次入院)。
- 数据提取时排除不属于急诊和心内科的患者记录,并移除不属于MACE所包含心血管疾病列表的记录。
诊断标准与关键阈值
- MACE定义为索引入院后至出院前记录的院内发生的心肌梗死、需要住院的不稳定型心绞痛或心力衰竭住院的复合终点。
- 索引日期定义为研究期间(2020年7月至2023年2月)患者在急诊或心内科因心血管疾病首次入院日期,预测窗口限于索引住院期间、从入院随访至出院。
- 模型输出经sigmoid映射为概率并应用阈值生成二分类预测,原文未写明具体阈值数值。
研究设计与关键结果
- 研究类型为基于忠北国立大学医院急诊电子病历数据的建模研究,最终数据集n=26842(MACE 26293例,97.95%;无MACE 549例,2.04%),训练集80%、测试集20%,用SMOTETomek处理类别不平衡。
- 1D-CNN总体准确率0.97,MACE类精确率1.00、召回率1.00、F1 0.98;XGBoost总体准确率0.97、MACE类召回率0.94;KNN总体准确率0.96、MACE类召回率0.92;随机森林0.76;SVM 0.73;AdaBoost 0.73;逻辑回归0.62。
- 研究人群平均年龄72.8岁,MACE患者72.9岁 vs 非MACE患者68.6岁(p<0.001);MACE组舒张压显著更高(p=0.0017),收缩压无显著差异;MACE组男性比例更高(p=0.0011)。
- 症状方面胸痛、呼吸困难、晕厥在MACE患者中显著更常见(均p<0.001);呼吸困难见于56.0%的队列,但MACE患者中较少见(39.7% vs 56.3%,p<0.001)。
- SHAP分析显示胸痛为影响最大的预测因子,其次为舒张压(终末)和记录时年龄,脉搏(终末)和收缩压(终末)也有实质贡献。
- 推荐系统评估:AHA和WHO两套指南下指南依从性、饮食计划、生活方式/运动均5/5,临床安全性4/5(原文称对急性症状处理扎实但未达最大紧迫程度),非处方药警示3/5(原文称因建议补充剂和条件性使用阿司匹林存在轻微越界)。
- 案例研究:56岁男性,静息脉率20次/分钟、收缩压125 mmHg、舒张压78 mmHg,伴急性胸痛、呼吸困难和胸闷,模型输出MACE概率34.99%,归为中等风险;系统建议包括低剂量阿司匹林81 mg在医疗监督下考虑、每周至少150分钟中等强度有氧活动并辅以抗阻训练。
证据类型、等级与局限
- 证据类型为基于单中心电子病历数据的建模研究(原文报告数据来自忠北国立大学医院),非前瞻性随机对照试验。
- 原文报告的外部有效性局限:数据集仅依赖韩国人群的临床和生活方式数据,可能限制模型在不同种族、遗传和社会经济背景下的泛化能力。
- 原文报告的局限:基于网络的部署可能排除互联网访问受限或低资源环境的用户,使评估结果偏向技术熟练人群。
- 原文报告的局限:1D-CNN在留出的韩国测试集上达到99.00%准确率,但该性能可能反映数据集特定的过拟合而非普遍预测能力,罕见症状簇(如窦性心动过缓表现)可能存在代表性不足。
- 原文报告的局限:LLM存在上下文漂移或提示合成过程中与指南细微偏差的敏感性,即使采用基于余弦相似度从WHO和AHA来源检索亦然。
对床旁实践的改变
- 作者认为该框架可将1D-CNN预测的MACE风险转化为依据WHO和AHA指南的结构化预防建议,通过网页界面辅助临床决策。
- 作者认为该系统作为临床决策支持工具辅助医疗专业人员,不替代临床判断,最终诊断和治疗决策仍由合格的医疗专业人员负责。
- 作者认为系统在基于规则的提示策略下运行,严格约束LLM仅在WHO和AHA心血管预防指南的预定义范围内生成建议,越界查询被拒绝且不生成建议。
- 原文报告的案例中,对MACE概率34.99%的中等风险患者,系统生成包括心脏健康饮食、份量控制、戒烟、适度饮酒、每周至少150分钟中等强度有氧活动并辅以抗阻训练、在医疗监督下考虑低剂量阿司匹林81 mg等建议。
指南或共识出处
- 世界卫生组织(WHO)心血管预防指南
- 美国心脏协会(AHA)心血管预防指南
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译27 节 · 点击展开
引言
心血管疾病(CVD)持续对全球健康产生重大影响,每年导致数百万人死亡,并造成巨大的社会经济挑战(1–3)。主要不良心血管事件(MACE),如心肌梗死、心绞痛和心力衰竭,是需要准确风险评估和量身定制的主动性干预措施的关键临床结局。传统风险评估工具,如Framingham风险评分(4)和ASCVD风险评估器(5),虽被广泛使用,但往往无法充分考虑临床、人口学和时间风险因素之间复杂且不断变化的相互作用,尤其是在多样化或高风险人群中。这一挑战促使越来越多地采用人工智能(AI)方法,利用详细数据集来提高预测准确性并支持个性化治疗方法。
机器学习(ML)的最新进展显著改善了心血管风险预测(6–8)。例如,Huang等(9)引入了新的数据来源,包括生活方式因素和连续血压监测,并训练了一种集成ML算法用于心血管风险预测。类似地,Adedayo等(10)开发了一个使用七种ML模型的心脏病预测系统,同时解决了数据集不平衡问题。Yashudas等(11)提出了DEEP-CARDIO,这是一个物联网赋能的框架,通过生物传感器收集生理数据,并应用BiGRU注意力模型来诊断多种心血管疾病并提供治疗相关输出。Majula等(12)引入了MDensNet201-IDRSRNet,一种旨在提高预测准确性的混合深度学习模型,而Hira等(2)开发了集成和混合模型(EnsCVDD-Net和BlCVDD-Net)以改善心脏病预测。
尽管这些研究在预测建模方面展示了实质性进展,但其主要关注点仍在于提高分类性能。它们并未提供经系统验证的、基于指南的预防建议,并与世界卫生组织(WHO)和美国心脏协会(AHA)等权威机构保持一致。此外,现有策略尚未明确解决大语言模型(LLM)生成的建议与医学指南之间的一致性和安全性问题。鉴于主要不良心血管事件(MACE)代表一种高度安全关键性的疾病,确保风险预测伴随临床上合理、符合指南的建议至关重要。
尽管基于机器学习的心血管疾病(CVD)预测已取得显著进展,但仍存在若干关键挑战,尤其是在将风险估计转化为安全、循证的临床行动方面。首先,大多数现有预测模型主要侧重于提高分类准确性,但其工作止步于风险估计,并未将预测转化为基于既定医学指南的、实用的、针对具体患者的干预措施。因此,这些系统的临床效用仍然有限。其次,尽管大语言模型(LLM)近期在生成医学文本和建议方面展现出前景,但其在生成结构化、针对特定指南的心血管预防建议方面的应用仍基本未被探索。重要的是,此前提出的方法均未纳入系统性机制以确保生成的建议符合权威监管标准,例如世界卫生组织(WHO)和美国心脏协会(AHA)发布的标准。例如,尽管Yashudas等人(11)开发了一个面向建议的框架,但该框架并未明确确保遵循WHO或AHA指南。鉴于主要不良心血管事件(MACE)及其他心血管疾病属于安全关键性健康结局,风险预测及后续建议都必须严格遵循经过验证的临床指南,以确保可靠性、安全性和现实世界适用性。
针对心血管风险预测和基于指南的干预中已发现的差距,本研究受以下具体目标驱动。第一,开发一个基于一维卷积神经网络(1D-CNN)的稳健且高性能的深度学习模型,能够利用结构化电子病历(EMR)数据准确预测主要不良心血管事件(MACE)风险。第二,设计并整合一个基于检索增强生成(RAG)的Mistral大语言模型(LLM),将预测风险评分转化为个性化、受指南约束的生活方式与预防建议,并明确与WHO和AHA心血管预防标准保持一致。第三,确保所提出的预测—建议框架在不同临床特征人群中保持可推广性和适用性,增强其与现实世界医疗环境的相关性。最后,建立一个统一的、具有安全意识决策支持系统,将数据驱动的风险分层与循证建议相结合,从而加强人机协作,支持前瞻性心血管风险降低和以患者为中心的照护。
我们的方法学设计旨在在广泛的临床特征中保持相关性,反映日常实践中患者人群的多样性。这种混合技术不仅实现了卓越的预测准确性,还通过将复杂数据转化为对临床医生和患者而言简单明了、可操作的见解,增强了医学中的人机协作。随着数字健康的持续快速发展,我们的框架为降低MACE发生率、解决医疗差异以及使个体能够主动管理自身心血管健康提供了一种有前景的方法。本文的亮点如下:本工作提出了一个双重混合框架,用于准确的MACE风险预测和基于指南的建议。
我们开发了一个1D-CNN模型,与现有方法相比,该模型在预测MACE风险方面具有更优的性能。
提示词工程化的检索增强生成(RAG)确保所有建议严格遵循WHO和AHA医学指南。
通过广泛评估生成建议与WHO和AHA指南的一致性,我们证明了所提出框架内具有强的指南依从性和一致性。
基于SHAP的解释提供患者特异性洞察,增强模型透明度和临床信任。
相关工作
本节回顾了为心血管疾病预测开发的机器学习模型,并对该领域的近期进展进行了全面分析。它强调了关键方法、重要进展和主要发现,清晰概述了机器学习和深度学习技术如何被用于增强CVD风险评估和预测。
基于机器学习的心脏病预测
心脏病是全球主要死亡原因之一(13, 14),推动了计算预测模型的广泛研究。传统机器学习(ML)算法,如逻辑回归(LR)、支持向量机(SVM)、决策树(DT)、随机森林(RF)、k近邻(KNN)和朴素贝叶斯(NB),已被广泛应用于临床数据集分析,如UCI心脏病数据集和克利夫兰诊所数据集(15–17)。由于其统计透明性和较低的计算成本,这些模型取得了有前景的准确性和可解释性。在一项研究中,Sadr等人(18)提出了一种混合方法预测心血管疾病,将传统机器学习分类器,如k近邻(KNN)和极端梯度提升(XGB),与深度学习模型如卷积神经网络(CNN)和长短期记忆(LSTM)网络相结合。他们的系统在公共心脏病数据集和当地医院数据集上训练,相比单一模型方法取得了更高的预测准确性。该研究强调了整合多种学习技术以进行更有效的多类CVD风险评估的优势。Ameen等人(19)对82项使用ML和DL方法通过ECG和PCG信号分类心血管疾病的研究进行了系统综述。该综述重点介绍了支持向量机、随机森林和卷积神经网络等算法,许多方法达到了超过90%的准确率。然而,它也指出了诸如依赖小数据集、过拟合风险和有限临床验证等挑战,强调需要确保在临床环境中兼具准确性和泛化性的模型。
此外,Anjum等人(20)开展了一项使用心力衰竭数据集预测心肌梗死的研究。他们评估了六种机器学习算法:逻辑回归、支持向量机、决策树、Bagging、XGBoost和LightGBM,使用准确率、精确率、召回率、F1分数和AUC等指标。结果显示,梯度提升集成方法(XGBoost、LightGBM)优于线性模型和树模型,而逻辑回归则作为实用的参考模型。该研究强调了在临床心血管决策支持中进行系统化模型比较和指标驱动评估的重要性。最近一项研究(21)引入了一种基于注意力的跨模态(ABCM)迁移学习框架,通过整合临床、影像和遗传数据来增强CVD预测。该框架采用注意力机制来聚焦于不同数据源中最相关的特征,相较于传统模型提高了预测准确性和可解释性。结果显示,在准确率、精确率、召回率和AUC等指标上,其性能优于传统机器学习方法。该框架的稳健性通过蒙特卡洛模拟、ANOVA检验和消融研究得到了验证,凸显了跨模态注意力在CVD风险评估中的有效性。此外,Kumar等人(22)将KNN、逻辑回归、随机森林和XGBoost应用于Cleveland心脏病数据集和一个私有数据集,用于早期心脏病预测。他们使用SMOTE处理数据不平衡,使用SHAP实现可解释性,XGBoost达到了97.57%的准确率,展示了其在实时诊断中的潜力。尽管取得了这些进展,大多数先前工作仅专注于提高预测准确性,而未将风险估计转化为针对患者的个性化、可操作的健康指导。
医疗保健中的推荐系统
除预测建模外,推荐系统(RS)作为对临床医生和患者均有价值的决策支持工具也已受到关注(23–25)。近期的进展引入了数据驱动的推荐模型,利用机器学习就饮食、运动和生活方式改变提供个性化指导。Dogan等(26)开发了一个基于效用的机器学习模型,推荐个性化的生活方式改变,如饮食、运动和戒烟,以帮助预防心血管疾病。该模型根据对每个个体的预测健康获益对这些生活方式选项进行排序,主要侧重于疾病预防而非诊断预测。同样,Martínez-Rodrigo等(27)开发了一个基于网络的推荐框架,旨在促进健康的血管衰老。该系统根据个体用户数据提供关于营养和身体活动的个性化建议。然而,它不包括用于疾病诊断的机器学习。在另一项研究(28)中,Sun等对51项关于健康推荐系统的研究进行了范围综述,重点关注应用领域、推荐技术和评估策略。该综述强调了对混合方法的兴趣日益增长,并指出大多数系统面向一般健康或生活方式管理。它还指出,将诊断预测与个性化健康推荐相结合的应用相对较少。在研究(29)中,López-Barreiro等对旨在促进健康习惯和支持积极老龄化的AI驱动推荐系统进行了系统综述。该研究分析了各种系统架构和用例,重点关注AI在提供旨在增强身体、认知和社会福祉的个性化推荐中的作用。该综述表明,以健康为重点的推荐技术取得了显著进展;然而,它也指出,针对特定疾病或将预测模型与推荐相结合的应用相对有限。
以药物为导向的推荐系统近年来也受到了关注。Mai等(30)开发了一个混合临床决策支持系统,用于抗高血压药物推荐,将数据驱动学习与临床规则相结合。通过使用患者的人口统计学和临床数据,该模型根据治疗指南有效地对药物进行排序,并与专家推荐高度一致。虽然该研究强调了机器学习在优化高血压治疗方面的潜力,但它仅侧重于治疗选择,未纳入预测性诊断或个性化AI适配。同样,Afanasieva等在第(23)篇文章中开发了一种基于知识的推荐算法,旨在支持在家中自我管理心血管危险因素。该算法将基于规则的推理与自然语言解释相结合,以提高患者的理解和参与度。然而,他们的主要关注点是治疗优化,而非将预测性诊断与自适应推荐相结合。
总体而言,先前的研究推进了心脏病预测和健康推荐系统,但很少有研究将它们整合到一个统一、可解释的框架中。为弥合这一差距,我们的研究提出了一种基于机器学习的模型,该模型整合了可解释分析和个性化指导,以改进心血管风险评估和临床决策支持。
所提出的方法
实验设置
所提出的用于MACE风险预测和循证临床建议的方法的整体实验工作流程如图1所示。首先,我们的实验数据提取自忠北国立大学(CBNU)医院的急诊病历(EMR)数据集,并对提取的数据进行预处理,即处理无关变量和缺失值、对某些分类变量进行编码。其次,在考虑每个类别百分比的情况下,将实验数据集划分为训练数据(80%)和测试数据(20%)以进行进一步实验。然而,提取后的实验数据存在类别不平衡问题。因此,我们采用SMOTETomek混合采样方法来平衡数据集。SMOTETomek是一种混合重采样技术,用于解决机器学习数据集中的类别不平衡问题。它结合了SMOTE(生成合成少数类样本)与Tomek Links(去除边界或噪声多数类样本)。通过同时应用过采样和清洗,它有助于产生更平衡、分离更好的数据集。这提高了训练数据的质量并降低了过拟合的风险。总体而言,SMOTETomek增强了模型性能,尤其是在涉及稀有类别的分类任务中。第三,我们开发了一个一维卷积神经网络(1D-CNN)预测模型来预测患者中MACE的发生。然后,我们将精心设计的提示工程和RAG应用于MISTRAL AI,以严格遵循WHO和AHA指南推荐降低MACE风险的临床措施。最后,我们使用标准指标评估基于1D-CNN的MACE预测器和基于LLM的推荐系统的性能。
数据来源和数据提取
在实验中,我们使用CBNU医院的EMR数据集,该数据集包含包括心内科在内的所有科室的医疗记录数据。排除其他科室后的原始数据集包含2020年7月至2023年2月期间221,490名患者的医疗记录。
CBNU医院的EMR数据集包含大量无关变量和大量缺失值,因此我们在开发预测模型之前提取原始数据集。在预处理过程中,我们首先剔除对MACE发生预测没有影响的无关变量(31)。在本文中,我们的目标值定义为“No_MACE”和“MACE”,其中MACE定义为索引入院后至出院前记录的院内发生的心肌梗死、需要住院的不稳定型心绞痛或心力衰竭住院。在预处理阶段,所有分类变量的值也被转换为整数值。例如,表示“YES/NO”的值“Y/N”被转换为“1/0”。从CBNU医院EMR数据集中提取的所用变量如表1所示。
从实验数据集中,我们随后排除不属于急诊和心内科的患者记录。在第一次筛选之后,我们应用第二次筛选以移除不属于MACE所包含心血管疾病列表的患者记录。数据提取过程如图2所示,其中最终数据集包括26,293例(97.95%)MACE记录和549例(2.04%)No_MACE记录。然而,最终数据集中仍存在大量缺失值。为处理缺失值,我们应用两种不同类型的插补器,如中位数和众数。中位数插补器对数值特征有效,因为它对异常值稳健。通过用列的中位数替换缺失条目,它有助于保持数据的整体分布而不受极端值影响。另一方面,众数插补器适用于分类特征,其中均值或中位数等数值度量不适用。它使用最常出现的类别填充缺失值,保留特征内的主导模式。总之,这些插补器确保数据集在建模前保持一致和完整。特征重要性基于SHAP值计算。基于SHAP的特征重要性通过使用合作博弈论中的Shapley值来衡量每个特征对模型预测的贡献程度。它通过评估当特征被包含或排除时预测如何变化,提供了一种一致且可解释的方式来理解每个特征的影响。与传统重要性度量不同,SHAP值提供全局和局部可解释性,既显示整体特征影响,也显示对个体预测的贡献。数值列也使用简单插补器技术以中位数策略进行插补,分类列使用“最频繁”策略即基于众数的插补进行插补。在所选特征中,胸痛、舒张压和年龄仍是影响最终预测的顶级特征。图3呈现了影响最终预测的前10个重要特征。关于特征及其对最终预测影响的更多细节将在结果部分讨论。
索引日期定义为研究期间(2020年7月–2023年2月)患者在急诊或心内科因心血管疾病首次入院日期。预测窗口限于索引住院期间,患者从入院随访至出院。仅考虑入院后和出院前发生的MACE事件。在本研究中,MACE定义为由心肌梗死、需要住院的不稳定型心绞痛和因心力衰竭住院组成的复合终点,基于CBNU医院EMR数据集中可用的结局。入院时记录的事件仅在文档表明其发生在住院期间时才被纳入。我们纳入在研究期间首次记录心血管入院且有可用基线入院数据的成人(≥13岁)。我们排除MACE无法与入院在时间上区分、结局数据缺失或重复入院的患者(每位患者仅保留首次入院)。
提出的基于一维卷积神经网络(1D-CNN)的主要不良心血管事件(MACE)预测模型
在本研究中,我们提出了一种一维卷积神经网络(CNN),利用表格数据预测MACE的发生。处理表格数据的传统方法,如多层感知机(MLP),使用全连接层独立对待每个特征。这一假设导致特征之间具有均等的相关性,且无法显式捕捉局部特征依赖关系。相比之下,我们提出的基于CNN的模型通过将特征向量解释为一维信号,利用了表格特征的有序表示。通过在该特征空间上应用卷积滤波器,模型能够检测到标准MLP架构常常忽略的局部交互和分层表示。
网络的输入是预处理后的特征向量x∈R^d,被重塑为长度为d、单通道的一维序列。网络的卷积主干包括三个卷积层,卷积核大小为3,并使用填充以保持序列长度。第一层将输入投影到64个通道,第二层将该表示扩展到128个通道,第三层将维度保持在128个通道。每次卷积操作之后依次进行批归一化、修正线性单元(ReLU)激活以及丢弃率p = 0.1的dropout正则化。在数学上,每个卷积层可由式(1)描述:其中为卷积核权重,为可学习偏置项,为卷积核大小,表示ReLU非线性。批归一化通过重新中心和重新缩放激活值来确保数值稳定性并加速收敛,而dropout通过在训练期间随机停用单元来减少过拟合,如式(2)所示。为实现对序列长度的维度不变性,在最后一个卷积层之后应用自适应最大池化。该操作将每个特征图缩减为其最大激活值,从而得到一个固定长度的向量,与输入维度无关。池化后的表示随后由两层全连接分类器处理。第一个全连接层将特征表示从128维映射到64维,随后进行ReLU激活和dropout,而第二个全连接层产生一个标量logit,表示正类的未归一化证据。如式(3)所示,该变换可表示为:其中和分别为具有对应偏置和的可学习权重矩阵。在推理时,标量logit通过sigmoid激活函数,将输出映射到区间内的概率。应用阈值以生成最终的二分类预测。
与通常由堆叠的全连接层组成、在平坦特征向量上运行的多层感知机(MLP)相比,该架构引入了三项关键创新。首先,卷积层的使用强制实施局部连接模式,使模型能够利用短程特征依赖关系,而不是假设各维度之间完全独立。其次,分层通道扩展(从1个通道扩展到128个通道)使模型能够学习越来越抽象的特征表示,同时保留细粒度的局部信息。最后,自适应最大池化的应用保证了固定长度的表示,引入了对特征数量的不变性,并降低了对特定特征索引过拟合的风险。
所提出的用于预测主要不良心血管事件(MACE)发生的一维卷积神经网络(1D-CNN)模型共包含12个可学习层,其中包括3个卷积层、3个批量归一化层和2个全连接层,以及相关的dropout层和池化层。该架构的特征在于卷积堆栈中通道数从1分层扩展至128,随后在全连接模块中将维度从128个通道降至1。这种设计同时提供了表达能力和紧凑的决策能力。与通常仅包含全连接变换的多层感知机(MLP)相比,该架构融合了局部特征提取、分层抽象和正则化机制,使其特别适用于高维表格分类。
提出的循证临床推荐系统
本文还提出了一种基于Mistral (32)人工智能大语言模型(LLM)的心血管疾病(CVD)预防推荐系统。该系统利用Mistral-7B-Instruct模型的量化版本(Q4_K_M),通过“ctransformers”库(33)进行部署,以平衡计算效率和语义保真度。目标是针对心血管风险升高的患者生成个性化推荐,严格遵循世界卫生组织(WHO)和美国心脏协会(AHA)关于降低MACE(主要不良心血管事件)风险的指南。
我们的推荐系统整合了检索增强生成(RAG)(34)和提示工程(35)。RAG组件确保输出受循证指南的约束,而提示工程则对模型的响应提供结构化条件控制。具体而言,提示中编码了量化的患者风险场景[Pr(CVD) = 0.6],并明确指示模型在饮食、生活方式、运动和非处方药物方面提供结构化推荐。
形式上,该系统通过求解方程(4)所示内容来生成推荐R:其中P表示工程化指令提示,θ表示预训练Mistral.AI模型参数,D表示检索到的领域特定指南。纳入D可强制执行指南约束的文本生成,降低幻觉风险。图4展示了推荐系统工作原理的说明性示例。它提供了一个说明性示例,演示推荐系统在实践中如何工作。它展示了预测的MACE风险水平如何触发使用启用RAG的LLM检索和生成个性化的、基于指南的预防建议。图5展示了整个框架的内部架构。这展示了所提出系统的两部分工作流程。首先,1D-CNN使用来自EMR的风险输入预测MACE风险。其次,该预测风险被传递到LLM模块,该模块使用提示工程和RAG来检索基于指南的信息并生成个性化预防建议。
统计分析
对于实验数据的统计分析和特征重要性评估,我们根据变量类型采用了卡方检验(36)和独立t检验(37)。具体而言,卡方检验用于评估分类特征与MACE结局之间的关联。该检验使我们能够确定分类变量的分布在MACE组和非MACE组之间是否存在显著差异。分类特征的重要性根据卡方分析获得的相应p值确定。
对于连续变量,我们应用独立(两样本)t检验来评估两组之间的均值是否存在统计学显著差异。从t检验得出的p值用于确定连续特征的统计显著性和相对重要性。
分类变量以频率和百分比(n,%)表示,而连续变量以均值±标准差(SD)报告。使用显著性阈值(例如p < 0.05)来识别具有统计学意义的特征以用于后续建模。这些统计分析确保了在模型开发之前进行系统且透明的特征选择过程。
评估指标
为了评估我们的MACE发生预测器模型的性能,我们使用准确率、精确率、召回率和F1分数。这些评估指标在方程5–8中定义,其中TP、TN、FP和FN分别表示真阳性、真阴性、假阳性和假阴性。
实现细节
硬件和软件规格
所有实验均在配备 Intel Core i7 2.70 GHz 和 16GB 随机存取存储器(RAM)的系统上使用 Microsoft Windows 10 操作系统实现。我们使用 PyCharm 和 Jupyter Notebook 开发模型架构。训练好的模型使用 Flask 库部署为 Web 应用程序。为开展实验,使用 Python(版本 3.10)的 fancyimpute 库填充缺失值,使用 imbalancedlearn 库解决类别不平衡问题。我们还使用了其他库,如 scikit-learn 包和 XGBoost 库,以开发用于对比分析的机器学习模型。模型使用 Python 开发,而 Web 应用程序界面使用 HTML、JavaScript 和 CSS 设计并实现。
MACE 预测模型首先使用 CBNU 医院数据集进行训练,随后部署在本地机器上进行推理。为生成推荐,我们使用了预训练的 Mistral 模型。系统通过基于 Web 的界面接收用户输入来运行;随后 1D-CNN 模型预测 MACE 风险评分。该风险评分连同用户报告的活跃症状和结构化提示一起提供给 Mistral 模型,由其生成符合 WHO 和 AHA 指南的个性化推荐。
为评估生成的推荐与 WHO 和 AHA 标准的一致性,我们通过 Ollama 使用 Llama 3.1 8B 作为基于评分标准的 LLM 评判器。提示、预测的 MACE 风险评分以及相关的 WHO 和 AHA 指南内容被输入 Llama 3.1 8B,其生成结构化评估分数,以评估指南依从性和推荐质量。
硬件和软件规格
由于 Mistral 模型以其预训练形式使用而未进行微调,可调参数仅限于提示设计和推理时生成设置。我们评估了多种提示模板,包括零样本和少样本变体,并实施了基于明确约束的指令,以强制严格遵循 WHO 和 AHA 指南。在推理过程中,生成超参数在受控范围内进行调整(温度:0.0–0.7;选择 0.2,top_p:0.6–0.95;选择 0.9,top_k:0–100;选择 40,max_tokens:200–800;选择 360,重复惩罚:1.0–1.5;选择 1.2)。选择较低的温度值以提高确定性和临床安全性。对于使用 Llama 3.1(8B)进行的基于评分标准的评估,温度设置为 0.0 以确保评分一致。
实验结果
实验数据集的基线特征
研究人群(n = 26,842)的临床特征显示,发生和未发生主要不良心血管事件(MACE)的患者之间存在显著差异。总体而言,平均年龄为 72.8 岁,MACE 患者略年长于非 MACE 患者(72.9 对 68.6 岁,p < 0.001)。体重指数和体温在组间无显著差异,而 MACE 组脉搏率略低(p = 0.0055)。血压特征显示,MACE 患者舒张压显著更高(p = 0.0017),而收缩压无显著差异。性别分布也存在差异,MACE 组男性比例高于非 MACE 患者(p = 0.0011)。
症状特征显示与不良结局存在强关联。胸痛、呼吸困难和晕厥在主要不良心血管事件(MACE)患者中显著更为常见(均p < 0.001)。同样,头晕和心悸显示边缘性关联,而水肿和胁部相关症状虽少见但显示出统计学信号。值得注意的是,超过半数队列(56.0%)观察到呼吸困难,但与无MACE患者相比,MACE患者中呼吸困难较少见(39.7% vs. 56.3%,p < 0.001)。总体而言,这些发现强调高龄、男性性别以及特定心血管症状(如胸痛和晕厥)的存在与该人群中MACE的发生强相关。实验数据集的临床特征见表2。
MACE预测器的性能分析
所提出的MACE预测器在表3中的实验结果。XGBoost分类器在所有指标上均表现出色,准确率为0.97,“MACE”类和“无MACE”类的精确率和召回率均保持平衡。其两个类别的F分数均为0.97,反映出高度可靠的预测能力,几乎与所提出的1D-CNN模型性能相当。微小差异在于“MACE”类的召回率(XGBoost为0.94 vs. 1D-CNN为1.00),与深度学习方法相比,这可能导致略高的假阴性。尽管如此,XGBoost提供了极具竞争力的替代方案,在可解释性和效率方面表现突出, though it falls short of the near-perfect classification achieved by the proposed model.
Adaboost
相比之下,AdaBoost呈现中等分类能力,总体准确率为0.73。该模型在各类别间表现出相对平衡的精确率和召回率,“无MACE”类的F分数为0.71,“MACE”类为0.75。然而,这些结果显著低于1D-CNN模型所达到的结果,尤其是在可靠性和一致性方面。虽然AdaBoost在处理噪声数据和减少偏差方面有效,但其对“无MACE”类的召回率相对较低(0.70),提示较高的假阴性率,这可能限制其在敏感情境中的临床适用性。这表明AdaBoost难以捕捉CNN模型成功学习到的复杂特征交互。
逻辑回归
逻辑回归作为一种基线线性模型,在所有方法中记录到最弱的性能,总体准确率为0.62。F分数为0.58(“无MACE”)和0.66(“MACE”),突显了其有限的预测能力,尤其是由于“无MACE”类的召回率较差(0.55)。与实现近乎完美分类的1D-CNN模型相比,逻辑回归未能充分建模该任务所需的非线性高维特征空间。尽管该方法具有可解释性和简单性,但其较差的性能凸显了线性决策边界在复杂生物医学预测问题中的不足。
支持向量机(SVM)
支持向量机(SVM)的准确率为0.73,两个类别的精确率和召回率相对均衡(约0.71–0.74)。这反映出其性能优于逻辑回归,但仍显著劣于1D-CNN模型。虽然SVM以处理高维数据和构建最优决策边界的能力著称,但其在此处的表现表明难以充分捕捉区分“MACE”与“无MACE”病例所需的复杂模式。与利用层次化特征提取的CNN相比,SVM的灵活性有限,导致判别能力较低,尤其是在F分数方面(最高0.74 vs. 0.98–1.00)。
随机森林
随机森林分类器表现稳健,准确率为0.76,优于AdaBoost、逻辑回归和SVM。其F分数分别为0.74(“无MACE”)和0.78(“MACE”),在精确率和召回率之间展示了均衡的权衡,反映了其处理特征间非线性关系和交互作用的能力。然而,尽管该模型超越了若干传统方法,但仍不及1D-CNN模型,后者在两个类别上实现了近乎完美的召回率和精确率。这一差距表明,虽然集成树方法有效,但在此背景下无法完全复制深度神经网络的表示学习优势。
K近邻(KNN)
KNN表现出较强的预测能力,准确率达到0.96,且各类别性能均衡(F分数均为0.96)。其对“无MACE”的召回率完美(1.00),但在识别“MACE”病例时略逊一筹,召回率为0.92。与1D-CNN相比,KNN表现非常出色,是最强的传统模型之一。然而,CNN通过实现两个类别的完美召回率超越了KNN,这在遗漏阳性病例(假阴性)可能造成严重后果的临床应用中至关重要。因此,尽管KNN具有竞争力,CNN因其稳健性和泛化能力而更胜一筹。
1D-CNN(所提模型)
所提出的1D-CNN模型表现优异,准确率达到0.97,两个类别的分类近乎完美。其对“MACE”类别的精确率和召回率均为完美(各为1.00),对“无MACE”类别的F分数为完美(1.00),表明其具有卓越的泛化能力,并能最大限度地减少假阳性和假阴性。CNN的优势在于能够直接从输入中学习层次化特征表示,从而捕捉传统机器学习模型无法检测的细微复杂模式。这使1D-CNN成为该任务中最有效、最可靠的方法,尤其在准确性和敏感性至关重要的临床预测场景中。
基于SHAP分析的预测结果可解释性
SHAP条形图展示了每个特征对预测模型的平均贡献,平均SHAP值越高表明对模型输出的影响越强。在本分析中,胸痛(chest_pain)成为影响最大的预测因子,提示其在决定模型决策中发挥核心作用,其次是舒张压(终末)(diastolic_blood_presure_(end))和记录时年龄(age_at_the_time_of_recording),两者均为心血管风险的临床相关指标。其他生理参数,如脉搏(终末)(pulse_(final))和收缩压(终末)(systotlic_blood_pressure_(final)),也有实质性贡献,反映了其与心功能的既定关联。此外,人口学因素如性别,以及临床症状包括呼吸困难、双下肢水肿、双侧胁腹痛和心悸,表现出有意义但相对较低的贡献。总体而言,该排序强调了胸痛和血压相关变量的主导地位,同时也突出了人口学和症状特征在塑造模型预测中的相关性。SHAP条形图见图3。
SHAP决策图通过可视化各特征沿预测路径的依次贡献,展示了单个特征如何共同影响模型的预测。在本例中,年龄启动了效应进程,为解释建立了重要的人口学基线。随后是脉搏,其增加了早期血流动力学成分,有助于框定后续的生理影响。最大的方向性变化由舒张压(DSBP)和收缩压(SBP)引入,两者均成为主导贡献因素,并强化了血压调节在塑造心血管风险中的核心作用。胸痛提供了额外的临床有意义影响,反映了潜在心脏受损的关键症状指标。
性别和一系列症状特征进一步增加了细微差别,包括呼吸困难、心悸、晕厥、胸闷、气短、腿部肿胀、胸部不适、胁腹痛和双侧下肢水肿,所有这些均作为支持性但相关的因素。虽然其个体贡献较小,但共同丰富了模型对患者生理和症状状态的理解。图6显示了SHAP决策图。
在比较SHAP条形图和决策图时,特征的相对重要性呈现出一致的模式,尽管在其影响力优先排序方式上存在一些差异。条形图强调胸痛是平均影响最大的特征,其次是年龄、舒张压(DSBP)和收缩压(SBP),强调了症状表现与核心心血管参数的突出地位。来自脉搏、性别、呼吸困难、心悸、双侧下肢水肿和双侧胁腹痛的额外贡献构成了前十位,共同反映了模型对血流动力学指标和症状相关线索的依赖。
相比之下,决策图按照特征在个体预测路径中的顺序贡献进行排列,从年龄和脉搏开始,然后转向最强的方向性驱动因素——DSBP、SBP和胸痛——随后是性别、呼吸困难、心悸和其他症状变量。尽管排序与条形图不同,但整体模式在一定程度上强化了相同的潜在层级结构,始终将血压变量和关键症状置于主要决定因素的位置。
图7展示了实验中所有特征的SHAP摘要图。SHAP摘要图通过捕捉所有观测中特征贡献的大小和方向,展示了特征对模型预测的相对影响和分布。在本例中,年龄显示出最强的总体影响,突显了其在数据集中的广泛相关性,其次是收缩压(SBP)和舒张压(DSBP),强调了血压调节在决定预测结果中的重要性。脉搏和胸痛的额外生理贡献强化了血流动力学和症状指标在塑造模型行为中的重要性。
进一步的区分来自性别,以及一系列症状特征,如呼吸困难、心悸、晕厥、胸部不适、胸闷和腿部肿胀,每个特征在个体间产生异质性但有意义的效应。临床体征包括双侧胁痛和双下肢水肿增加了额外的判别价值,尽管其影响在观测间的变异更大。总体而言,摘要图揭示,虽然心血管变量和胸部相关症状占主导地位,但多样化的临床和人口学特征通过捕捉生理测量和患者报告症状的变异性,共同增强了模型的预测能力。
讨论
在本节中,我们分析了研究的关键见解,并探讨了其对临床和技术应用的意义。我们强调了所提出系统在将预测见解转化为临床支持方面的优势和实用价值。此外,我们纳入了推荐系统的可视化示例,以展示应用中如何生成和呈现指导建议。
使用所提出框架预测MACE并提供风险降低建议
为进一步阐明我们所提出框架的实际实施情况,我们开发了一个全面的基于网络的应用程序,该程序将一维卷积神经网络(1D-CNN)风险预测器与LLM驱动的推荐引擎相结合,实现了用于MACE风险评估和个性化指导的无缝用户交互。如图8所示,该应用程序的架构采用模块化设计,用户输入的临床和生活方式数据——如年龄、血压以及其他症状——通过前端界面进行数据收集和验证处理。该界面便于直观的基于表单的录入,通过实时检查异常值和缺失值来确保数据完整性,然后将特征传输至后端进行推断。系统的核心利用预训练的1D-CNN模型,该模型在一维特征向量上进行卷积运算,以提取指示心血管风险的分层模式,最终输出概率性结果,将用户分层为MACE风险评分,达到了99.00%的准确率。
该部署不仅使先进预测分析的获取民主化,还纳入了可解释性功能,如特征重要性可视化,使临床医生能够实时辨别最具影响力的风险因素。
在风险分层的基础上,该应用程序将其功能扩展至提供定制化建议,如图8所示,通过集成的检索增强生成流水线,查询来自WHO和AHA数据库的权威指南。在风险计算完成后,系统动态构建提示词,将用户预测的风险概况 encapsulated,纳入行为等上下文元素,以查询LLM(Mistral AI)。这种提示词工程确保与循证方案保持一致,通过将响应基于检索到的指南片段——如饮食调整或运动方案——来降低幻觉风险。生成的输出经过后处理以确保简洁性和可操作性,向用户呈现逐步预防策略、适用情况下的药理学建议以及转诊至医疗服务提供者的提示,同时保持对来源指南的可追溯性以增强可信度。
这一混合网络应用程序体现了基于深度学习的预测与LLM辅助决策支持之间的协同效应,凭借其端到端优化和指南保真度,在精确率、召回率和F1分数等指标上优于最先进的模型。通过弥合从风险估计到临床行动的转化差距,该工具有助于促进前瞻性心血管护理,并具有向移动平台或电子健康记录集成扩展的潜力。未来的改进可能涉及联邦学习,以在分布式数据集之间实现隐私保护的模型更新,进一步完善其在不同人群中的效用,并强调其在推进MACE预防精准医学方面的作用。
案例研究:预测MACE并生成降低其风险的建议
为验证我们提出的用于MACE风险评估和个性化推荐的混合框架的有效性,我们呈现一个涉及56岁男性患者的案例研究,该患者表现出非典型心血管症状。患者报告静息脉率为20次/分钟,收缩压(SBP)为125 mmHg,舒张压(DBP)为78 mmHg,伴有急性胸痛、呼吸困难和胸闷。这些提示潜在心脏不稳定的临床特征作为一维特征向量(生命体征和症状数据)输入我们的网络应用程序。这一真实世界场景凸显了该框架在临床环境中的适用性,其中及时的风险分层可为即时分诊和预防措施提供依据,这与将预测分析与可操作见解相衔接的总体目标一致。
通过框架的1D-CNN组件处理输入数据后,模型生成了34.99%的MACE概率风险评分,将患者归类为需要警惕监测和干预的中等风险类别。如图7所示,该应用程序的前端界面在后端推理之前捕获并验证这些输入,其中卷积层提取显著模式——例如心动过缓(低脉率)与高血压倾向之间的相互作用——以模型已确立的99.00%准确率产生高保真预测。该输出不仅量化了心肌梗死或卒中等不良事件的可能性,还通过基于梯度的特征归因纳入可解释性,突出脉率不规则和症状严重程度是风险升高的主要贡献因素。这种风险估计的精确性体现了深度学习模块相对于传统评分系统的优越性,有助于对有症状患者的早期发现。
从风险预测过渡到临床指导,调用与Mistral AI LLM集成的检索增强生成(RAG)流水线来制定个性化推荐,严格遵循WHO和AHA指南。如图9所示,该系统构建纳入患者概况和风险评分的动态提示,通过向量嵌入和余弦相似度匹配从预先索引的指南存储库中检索并综合循证摘录。所得输出强调多方面的风险缓解:采用有益心脏健康的饮食,注重水果、蔬菜、全谷物,并限制钠/饱和脂肪;实施份量控制以管理体重;采纳生活方式改变,包括戒烟、适度饮酒,以及每周至少150分钟中等强度有氧活动并辅以抗阻训练;在医疗监督下考虑低剂量阿司匹林(81 mg);以及定期检查血压、胆固醇和整体心血管监测。
本病例研究有力地证明了该框架的转化价值,其中一维卷积神经网络(1D-CNN)预测器与大型语言模型(LLM)推荐器的整合不仅实现了准确的风险分层,还提供了可解释、受指南约束的干预措施,有可能避免该患者主要不良心血管事件(MACE)的进展。通过在预测指标上优于最先进的基准模型并确保推荐保真度,该方法促进了精准预防性护理,并对更广泛的人群健康管理具有意义。未来对类似病例的纵向随访可以量化MACE发生率的降低程度,进一步证实该混合系统在改善心血管结局方面的作用。
推荐系统评估
为确保所生成推荐的准确性、可靠性和临床一致性,LLM生成的每一条推荐在进行任何定量评估之前均经过了系统性的人工验证流程。该流程并非仅依赖自动化评估,而是由人类专家对每一条LLM生成的回复进行仔细审查,以核实其忠实反映了公开可获取的世界卫生组织(WHO)和美国心脏协会(AHA)心血管预防指南中所述的循证推荐。
具体而言,每一条生成的推荐均被记录,并与WHO和AHA官方指南文件中的相应章节进行人工交叉验证。在审查过程中,专家检查生成的推荐是否准确代表了原始指南推荐、是否保持了其预期的临床含义、是否避免了无支持或相互矛盾的建议,以及是否未引入已发表指南范围之外的信息。由于LLM被明确指示严格按照WHO和AHA指南生成推荐,每一条回复均可直接追溯至相关指南推荐,使人工交叉验证过程透明且可重复。
该专家审查确立了所生成推荐的临床和指南一致性。只有在此人工验证完成后,推荐才被认为适合进行定量评估,其中Llama 3.1仅用于衡量与WHO和AHA指南的对齐程度,而非用于判定推荐本身的临床有效性。
我们采取了严谨的方法来评估评估方法本身,确保其可靠、无偏倚,并能够公平地评估人工智能生成的医学建议。我们采用基于评分标准的大型语言模型(LLM)评判器来评估生成的医学建议,参考了近期关于LLM作为评判器的研究工作。评估重点关注指南依从性、临床安全性、饮食建议、生活方式和运动指导以及非处方(OTC)药物警示,反映了WHO和AHA心血管预防指南的要求。随后,我们使用本地大型语言模型(通过Ollama部署的Llama 3.1 8B)在零温度设置下对评分过程进行自动化,以最小化变异性和主观性。提示词经过精心设计,指示模型严格仅依据所提供的指南进行评分(不使用外部知识),并避免对无关内容给予奖励。由于缺乏单一的金标准参考答案以及该任务具有安全关键性和开放性的特点,基于参考的指标如BLEU或ROUGE不够充分。相反,结构化评分标准允许部分得分,对不安全或不符合指南的建议进行扣分,并更好地反映人类专家的判断。
如表4所报告的结果表明,该评估方法稳健且一致。在AHA和WHO两套指南下,评分产生了相同的结果:指南依从性、饮食计划和生活方式/运动组成部分均获得满分5/5分,临床安全性获得较高的4/5分(反映对急性症状的处理扎实但未达到最大紧迫程度),OTC药物警示获得3/5分,原因是在建议补充剂和条件性使用阿司匹林方面存在轻微越界。两次平行评估之间的完全一致性证实了该方法的可靠性及其对指南措辞细微差异的低敏感性。总体而言,该方法被证明能有效识别核心生活方式建议中的优势,同时可靠地标记出需要更严格遵循的领域,尤其是在药物建议方面,验证了其作为评估临床建议质量的可信工具的有效性。
所提出的框架纳入了多种机制以增强LLM生成的临床建议的安全性和可靠性。为降低提示注入和对抗性提示的风险,建议模块在基于规则的提示策略下运行,严格约束LLM仅在WHO和AHA心血管预防指南的预定义范围内生成建议。任何试图覆盖这些约束、请求许可范围之外的信息或违反预定义规则的用户提示或查询均被拒绝,系统不生成建议。这种基于规则的控制有助于防止不安全或与指南不一致的输出,并确保生成的建议始终基于循证临床实践。
该框架的设计也旨在与不断演进的临床知识保持一致。由于推荐引擎基于检索增强生成(RAG)架构,它直接从底层的WHO和AHA指南知识库中检索推荐意见,而非仅依赖大语言模型(LLM)的内部知识。因此,当WHO或AHA指南的更新版本发布时,知识库可相应更新,使系统能够自动基于最新证据检索并生成推荐意见,而无需重新训练预测模型或语言模型。这一设计为在临床推荐意见随时间演变时保持指南一致性提供了灵活性。
为进一步促进可信赖的临床决策支持,推荐引擎被设计为仅在具备充分患者信息且检索到的指南证据支持所生成建议时才生成推荐意见。该系统旨在作为临床决策支持工具,通过将预测的MACE风险转化为与WHO和AHA指南一致的循证推荐意见来辅助医疗专业人员。它不旨在替代临床判断,最终诊断和治疗决策仍由合格的医疗专业人员负责。通过结合基于规则的提示机制、从权威指南来源进行检索以及对生成推荐意见的人工验证,所提出的框架在支持循证临床决策的同时提供了额外一层安全保障。
有效性威胁
我们提出的框架外部有效性的主要威胁源于数据集仅依赖韩国人群的临床和生活方式数据,这可能限制一维卷积神经网络(1D-CNN)模型的风险预测在不同种族、遗传和社会经济背景下的泛化能力。心血管危险因素,如高血压患病率和饮食模式,在全球人群中表现出显著差异,例如,南亚人群可能表现出更高的基线胰岛素抵抗,这可能改变我们模型中卷积特征提取的动态过程。这种人口学同质性在非韩国用户中引入了中度偏倚预测风险,其中未建模的混杂因素如区域环境暴露或文化健康行为可能夸大假阳性或假阴性。同样,基于网络的部署在真实世界可用性方面限制了内部有效性,因为它可能排除互联网访问受限或处于低资源环境的用户,可能使评估结果偏向技术熟练人群,并削弱该框架在临床工作流程中的可扩展性。
通过检索增强生成(RAG)集成大语言模型(LLM,Mistral AI)进一步对构念效度构成威胁,尽管该威胁受到一定程度的缓和,原因在于LLM固有的敏感性,例如上下文漂移或提示合成过程中与指南的细微偏差,即使采用基于余弦相似度从WHO和AHA来源进行检索亦然。虽然一维卷积神经网络(1D-CNN)在留出的韩国测试集上达到了稳健的99.00%准确率,但这一性能可能反映的是数据集特定的过拟合而非普遍预测能力,正如本病例研究中窦性心动过缓表现等罕见症状簇的潜在代表性不足所表明的那样。这些局限性共同削弱了该框架的直接转化适用性,凸显了在异质性人群中需谨慎解读的必要性。
为缓解这些威胁,我们在1D-CNN训练期间采用了严格的交叉验证技术,包括dropout正则化,以增强模型抗过拟合的稳健性,同时对合成的多元文化扰动进行敏感性分析以模拟更广泛的适用性。在人口学泛化性方面,未来迭代将纳入联邦学习范式,以聚合来自国际队列的隐私保护数据,从而在不损害韩国基线保真度的情况下增强外部效度。关于基于Web的约束,我们将应用设计为具有响应式前端架构和API端点,以促进向移动应用或电子健康记录(EHR)集成的无缝扩展,如初步可扩展性测试中所原型验证的那样。最后,LLM保真度通过针对指南语料库的多阶段提示验证和人在回路审计得到加强,确保推荐输出达到95%的一致性;通过用户反馈回路的持续监测将进一步改进这一点,共同减弱效度威胁,同时保留该框架在精确性和可解释性方面的核心优势。
结论
本研究旨在实现四个核心目标:开发一个稳健的深度学习模型以准确预测主要不良心血管事件(MACE),将预测风险转化为个性化、受指南约束的建议,增强泛化性和现实世界适用性,以及建立一个统一的、具有安全意识(safety-aware)的临床决策支持框架。研究结果表明,所提出的方法成功实现了这些目标。
首先,一维卷积神经网络(1D-CNN)模型实现了较强的预测性能,能够基于结构化电子病历(EMR)数据对主要不良心血管事件(MACE)风险进行可靠分层。通过有效捕捉人口学、临床和生活方式特征之间的非线性交互作用,该模型优于依赖静态统计假设的传统风险评分系统。其次,将检索增强生成(RAG)流程与Mistral大语言模型相结合,确保将预测风险评分转化为结构化、循证的建议。由于生成过程明确以世界卫生组织(WHO)和美国心脏协会(AHA)心血管预防指南为依据,系统能够生成与临床一致且具有安全性意识的输出。第三,该框架通过基于SHAP的可解释性和基于网络的实现,增强了透明度和实用价值。总体而言,所提出的混合框架成功弥合了风险估计与严格遵循WHO和AHA指南的临床干预之间的差距。它表明,高预测准确性可以与指南约束下的建议生成有意义地整合于一个统一、可解释且具有安全性意识的系统中。通过将技术创新与临床标准对齐,本工作为主动MACE预防和个性化心血管护理提供了一种可扩展且值得信赖的AI驱动解决方案。
原文篇幅较长或含参考文献等附属内容,只翻译了正文部分,其余请阅读原文。
参考来源
- Arif S, Son SH, Lee JY, et al. A hybrid deep learning and large language model framework for MACE risk prediction and evidence-based clinical recommendations. Front Cardiovasc Med. 2026. PMID: 42662215. doi:10.3389/fcvm.2026.1774938
- 全文:PMC13519393(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13519393/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。