将生存分析方法与机器学习相结合，利用电子健康记录（PHR）数据来提高健康预期寿命的估算精度

《npj Digital Medicine》：Bridging survival analysis and machine learning to improve healthy life expectancy estimation using PHR records

　　

摘要

健康预期寿命（HLE）指的是一个人在没有疾病的情况下所生活的年数。减少人群处于健康不良状态的时间将直接影响国家医疗保健预算以及个人的生活质量。我们利用个人健康记录（PHR），其中包括包含生活方式和健康数据的电子健康记录，来研究健康寿命的减少情况。我们采用生存分析（SA）方法来直接估算健康预期寿命，而无需使用Sullivan方法。此外，还训练了一个多重插补集成机器学习（ML）模型，该模型能够成功预测一年内健康寿命的减少情况，其准确率几乎是随机方法的兩倍。通过使用机器学习的可解释性技术，我们能够分析模型学习到的各种关系，从而了解生活方式对维持健康寿命的影响。最后，我们提出了一种新的方法，将机器学习模型的预测结果与生存分析估计的危险因素相结合，从而构建出个性化的条件生存函数。