基于机器学习算法的肝硬化相关肝性脑病预测模型的构建

谈军涛，许晓梅，何雨芯，谭超，龚军，刘蕴宇，向守书，赵文龙*

1重庆医科大学医学信息学院，重庆 400016；2成都市第五人民医院消化内科，成都 611130；3重庆医科大学公共卫生与管理学院，重庆 400016

肝性脑病(hepatic encephalopathy)是严重肝脏疾病并发的一种以代谢紊乱为基础的中枢神经系统功能性失调的综合征，患者主要表现为意识障碍、行为失常甚至昏迷。美国肝病研究协会和欧洲肝脏研究协会将肝性脑病定义为由肝损伤或门体分流引起的脑功能障碍[1]。临床上将肝性脑病分为A、B、C三型，其中A型与急性肝衰竭有关，B型与无肝病的门体分流有关，C型与肝硬化有关[2]。肝性脑病除增加患者、家庭和社会的各种负担外，也是肝硬化患者发生跌倒、骨折、再入院等不良事件的常见原因之一[3]。为减少肝性脑病带来的不良影响，有必要对肝硬化患者进行肝性脑病风险预测，以帮助医护人员进行评估并提前采取治疗和护理措施。机器学习作为一种新兴的统计分析方法，能够对大数据进行深度挖掘与分析，目前已在疾病发生、预后预测等方面广泛应用[4-5]。本研究采用logistic回归、随机森林、决策树和XGBoost等4种机器学习算法，构建并评价肝硬化相关肝性脑病风险预测模型，旨在为肝硬化患者肝性脑病风险评估奠定基础，并为临床防治工作提供参考。

1 资料与方法

1.1 研究对象 本研究为回顾性横断面研究。收集2019年6月－2020年6月就诊于重庆市7家医疗机构(其中5家为重庆医科大学附属医院，2家为教学指导医院)消化内科、肝胆外科、感染科等科室的1498例肝硬化患者。……