基于人工智能的行为特征模式在影响无症状心血管疾病属性方面的研究：一种数据集标准化方法

《Scientific Reports》：Development of AI based behavioral feature patterns on influencing asymptomatic cardiovascular disease attributes: a dataset standardization approach

　　

摘要

心血管疾病（CVD）仍然是全球主要的健康挑战，其临床特征具有异质性，且多源数据存在变异性，这限制了可靠的预测建模。现有的方法主要集中在独立特征分析上，常常忽略了症状性特征与无症状特征之间的相互依赖性。本研究提出了一种基于迁移学习的框架，用于跨领域特征协调和基于相互依赖性的特征建模。整合了包括MIMIC-III、弗雷明汉心脏研究（FHS）和克利夫兰心脏病（CHD）在内的多源数据集，构建了一个统一的潜在特征空间。该方法系统地捕捉了临床特征之间的行为相互依赖性，并引入了一种基于置信度校准的影响评分机制，以提高预测的可解释性和可靠性。实验结果表明，该方法性能得到了提升，灵敏度达到了92.37%，F1分数为0.8962。研究结果强调了基于相互依赖性的特征映射在改善心血管疾病风险表征方面的有效性，并为提供稳健且可解释的临床决策支持提供了一个标准化框架。