鳳思苑 鞏曉文 崔 壯△ 高 靜 李長(zhǎng)平 劉媛媛 劉 寅 馬 駿

【提 要】 目的 探討支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)個(gè)體冠狀動(dòng)脈旁路移植術(shù)后晚期靜脈移植血管病患病風(fēng)險(xiǎn)中的應(yīng)用。方法 選取2015年3月-2017年12月天津市胸科醫(yī)院CABG術(shù)后超過(guò)一年的冠狀動(dòng)脈粥樣硬化性心臟病患者，分別應(yīng)用徑向基SVM、多項(xiàng)式SVM和BP神經(jīng)網(wǎng)絡(luò)建立晚期SVGD預(yù)測(cè)模型。通過(guò)受試者工作特征曲線下面積、精確率、召回率及F1指標(biāo)評(píng)價(jià)模型的預(yù)測(cè)性能。結(jié)果 BP神經(jīng)網(wǎng)絡(luò)在測(cè)試集中反映模型精確率和召回率的F1值為0.84，而ROC曲線下面積均值為0.773，大于其他兩種SVM預(yù)測(cè)模型。結(jié)論 BP神經(jīng)網(wǎng)絡(luò)對(duì)晚期SVGD的預(yù)測(cè)表現(xiàn)更佳，有助于臨床的輔助診斷。

冠狀動(dòng)脈粥樣硬化性心臟病(coronary atherosclerotic heart disease，CHD)是嚴(yán)重威脅人類(lèi)健康的最常見(jiàn)的心臟病之一。根據(jù)《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒(2016)》，2015年中國(guó)城市和農(nóng)村居民冠心病死亡率分別為110.91/10萬(wàn)和110.67/10萬(wàn)，自2012年一直呈上升趨勢(shì)[1]。冠狀動(dòng)脈旁路移植術(shù)(coronary artery bypass grafting，CABG)是目前治療CHD最有效方法之一，其中靜脈移植血管(saphenous vein graft，SVG)作為CABG術(shù)中常用的橋血管材料，其血管術(shù)后1年內(nèi)通暢率為89%，10年后血管通暢率下降到61%[2]。CABG術(shù)后靜脈移植血管病變會(huì)降低血管通暢率，引起患者缺血癥狀的復(fù)發(fā)，即靜脈移植血管病(saphenous vein graft disease，SVGD)[3]。它直接影響了CABG術(shù)后患者的遠(yuǎn)期預(yù)后及生活質(zhì)量。因此，建立SVGD患病風(fēng)險(xiǎn)的預(yù)測(cè)模型，在確定高危人群的范圍，做好針對(duì)性的預(yù)防措施，減緩SVGD的發(fā)生、降低CHD患者再行相關(guān)手術(shù)風(fēng)險(xiǎn)等方面顯得尤為重要。

目前的研究多為SVGD相關(guān)危險(xiǎn)因素的研究，對(duì)于發(fā)病率高的晚期SVGD研究甚少，缺少晚期SVGD的風(fēng)險(xiǎn)預(yù)測(cè)模型[4-5]。本文主要運(yùn)用數(shù)據(jù)挖掘技術(shù)中表現(xiàn)良好的支持向量機(jī)(support vector machines，SVM)和人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks，ANN)建立不同的預(yù)測(cè)模型，通過(guò)對(duì)影響模型性能的重要參數(shù)進(jìn)行優(yōu)化調(diào)整，選擇適合晚期SVGD患病風(fēng)險(xiǎn)預(yù)測(cè)的最佳模型，從而更好的預(yù)防晚期SVGD的發(fā)生發(fā)展。

對(duì)象和方法

1.研究對(duì)象

選取2015年3月-2017年12月在天津市胸科醫(yī)院就診的CABG術(shù)后超過(guò)1年的CHD患者506人。納入標(biāo)準(zhǔn)：CABG術(shù)后出現(xiàn)缺血癥狀而入院檢查的患者；冠狀動(dòng)脈及移植橋血管造影顯示至少含1支SVG橋血管狹窄≥50%；SVG橋齡≥1年；所有研究指標(biāo)均無(wú)缺失值。排除標(biāo)準(zhǔn)：外吻合口部狹窄；嚴(yán)重瓣膜疾?。皇Т鷥斝孕牧λソ?；惡性腫瘤或血液系統(tǒng)疾??；急慢性肺部疾??；甲狀腺功能異常；嚴(yán)重肝腎功能不全；免疫系統(tǒng)疾病。最終入選患者506例，根據(jù)冠狀動(dòng)脈造影結(jié)果，將患者分為SVGD組346例和非SVGD組160例。

2.研究方法

(1)資料收集 臨床基線資料，包括：性別、年齡、收縮壓、舒張壓、吸煙史、飲酒史、高血壓史、糖尿病病史、高脂血癥病史、腦卒中病史和心血管疾病家族史等。收集患者入院時(shí)實(shí)驗(yàn)室檢驗(yàn)指標(biāo)、基本生化化驗(yàn)指標(biāo)、血常規(guī)化驗(yàn)指標(biāo)、既往行CABG術(shù)基本情況及冠脈造影復(fù)查結(jié)果。

(2)統(tǒng)計(jì)學(xué)分析 本研究采用5折交叉驗(yàn)證的方法將506樣本集隨機(jī)分成5個(gè)正負(fù)比例相同的互斥子集:依次取出1個(gè)子集作為測(cè)試集，其余4個(gè)子集組合為訓(xùn)練集。訓(xùn)練集樣本用于建立模型，測(cè)試集樣本用于評(píng)估模型的預(yù)測(cè)效果。每個(gè)模型每次模擬都會(huì)得出相應(yīng)的評(píng)估指標(biāo)，通過(guò)循環(huán)模擬5次，將5次結(jié)果的平均值作為對(duì)該模型效果的估計(jì)。建模的基本過(guò)程如下:①利用非條件logistic回歸單因素分析篩選有統(tǒng)計(jì)學(xué)意義的變量納入模型，檢驗(yàn)水準(zhǔn)α=0.05；②利用R軟件中“e1071”包建立SVM模型(選擇徑向基核函數(shù)和多項(xiàng)式核函數(shù))；③利用R軟件中的“nnet”包建立ANN模型(選擇誤差反向傳播網(wǎng)絡(luò)，簡(jiǎn)稱(chēng)BP神經(jīng)網(wǎng)絡(luò))；④利用ROC曲線下面積、精確率、召回率及F1指標(biāo)對(duì)三個(gè)模型的性能進(jìn)行評(píng)估和比較。所有統(tǒng)計(jì)分析由SPSS 20.0、R 3.4.2完成。

結(jié) 果

1.基本情況

本次研究共納入CABG術(shù)后超過(guò)1年的CHD患者506人，其中男性369人，女性137人，平均年齡為(64.84±7.95)歲。

2.非條件logistic單因素分析

以是否是SVGD為因變量對(duì)采集到的信息分別進(jìn)行單因素分析，結(jié)果顯示橋齡、原位靶血管病變支數(shù)、冠心病類(lèi)型、左室射血分?jǐn)?shù)(LVEF)、左室舒張末期內(nèi)徑(LVDED)、α-羥丁酸脫氫酶(α-HBDH)、極低密度脂蛋白(VLDL)、脂蛋白a(LP(a))和同型半胱氨酸(Hcy)差異有統(tǒng)計(jì)學(xué)意義，見(jiàn)表1。

表1 單因素logistic分析結(jié)果

3.SVM模型及分析結(jié)果

本文SVM模型分別選用處理非線性數(shù)據(jù)的徑向基(RBF)核函數(shù)和多項(xiàng)式(Poly)核函數(shù)來(lái)構(gòu)建。五次模擬都是通過(guò)十折交叉驗(yàn)證誤差最小的標(biāo)準(zhǔn)來(lái)獲取核函數(shù)的最優(yōu)參數(shù)[6-7]。兩個(gè)模型所選預(yù)測(cè)變量的相對(duì)重要性排序如圖1和圖2。

4.BP神經(jīng)網(wǎng)絡(luò)及分析結(jié)果

ANN模型采用最常用的BP神經(jīng)網(wǎng)絡(luò)來(lái)建模分析。其輸入層節(jié)點(diǎn)數(shù)為9，輸出層節(jié)點(diǎn)數(shù)為1，隱藏層為一層，五次模擬的隱藏層節(jié)點(diǎn)數(shù)分別為2、1、1、1、2。BP神經(jīng)網(wǎng)絡(luò)所選預(yù)測(cè)變量的相對(duì)重要性排序如圖3。

5.模型的性能度量

模型的性能度量就是對(duì)分類(lèi)器的泛化能力進(jìn)行比較，可選的評(píng)估指標(biāo)有很多?？紤]到患病風(fēng)險(xiǎn)的預(yù)測(cè)模型更多的是看重疾病的查準(zhǔn)率和查全率，除了常見(jiàn)的ROC曲線下面積的比較，還使用了基于精確率(precision)和召回率(recall)調(diào)和平均的F1指標(biāo)來(lái)評(píng)價(jià)[8]。經(jīng)過(guò)交叉驗(yàn)證后的多項(xiàng)式SVM在訓(xùn)練集和測(cè)試集的ROC曲線下面積均值分別為0.931和0.726，徑向基SVM在訓(xùn)練集和測(cè)試集的ROC曲線下面積均值分別為0.791和0.768，BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練集和測(cè)試集的ROC曲線下面積均值分別為0.791和0.773。三種模型詳細(xì)的評(píng)估指標(biāo)參數(shù)見(jiàn)表2。

圖1 徑向基SVM變量相對(duì)重要性排序

圖2 多項(xiàng)式SVM變量相對(duì)重要性排序

圖3 BP神經(jīng)網(wǎng)絡(luò)變量相對(duì)重要性排序

多項(xiàng)式SVM徑向基SVMBP神經(jīng)網(wǎng)絡(luò)訓(xùn)練集 精確率0.780.780.80召回率0.920.920.89 F1值0.850.850.86 AUC0.9310.7910.791測(cè)試集 精確率0.720.780.79召回率0.930.930.90 F1值0.810.840.84 AUC0.7260.7680.773

討 論

基于所研究數(shù)據(jù)非線性的特點(diǎn)，本研究采用SVM和ANN應(yīng)用于CABG術(shù)后晚期靜脈移植血管病患病風(fēng)險(xiǎn)，得到了三個(gè)預(yù)測(cè)模型及其所選預(yù)測(cè)變量的相對(duì)重要性排序，并利用多項(xiàng)指標(biāo)對(duì)模型的泛化能力進(jìn)行評(píng)估和比較。研究發(fā)現(xiàn)雖然每個(gè)模型所選預(yù)測(cè)變量的相對(duì)重要性排序不一致，但是影響模型預(yù)測(cè)性能排在前三位的變量均是橋齡、LVDED和原位靶血管病變支數(shù)，說(shuō)明上述三個(gè)指標(biāo)是影響晚期SVGD發(fā)生的主要因素。既往研究發(fā)現(xiàn)靜脈移植血管遠(yuǎn)期再狹窄和閉塞的機(jī)制主要是血管的粥樣硬化[9]。長(zhǎng)期的血管內(nèi)膜損失，使靜脈移植血管發(fā)生纖維性彌漫粥樣斑塊病變，繼而會(huì)形成彌散、向心、少鈣及缺少纖維帽的斑塊。最終，斑塊破裂導(dǎo)致靜脈移植血管的狹窄和栓塞。綜合分析發(fā)現(xiàn)橋齡長(zhǎng)的患者發(fā)生晚期SVGD可能性較高，原因可能與其靜脈橋血管發(fā)生粥樣硬化可能性較高有關(guān)，國(guó)外的很多研究也發(fā)現(xiàn)橋齡是靜脈橋狹窄的危險(xiǎn)因素[10-12]。此外，研究還發(fā)現(xiàn)原位靶血管病變支數(shù)和LVDED與晚期SVGD的發(fā)生密切相關(guān)。

對(duì)于數(shù)據(jù)線性不可分情況，SVM的主要思想是利用核函數(shù)將輸入向量映射到一個(gè)高維的特征向量空間，并在該特征空間中構(gòu)造最優(yōu)分類(lèi)面[13]。本研究選用的徑向基核函數(shù)和多項(xiàng)式核函數(shù)分別是局部性核函數(shù)和全局性核函數(shù)的典型代表。在核函數(shù)參數(shù)選擇上，選用網(wǎng)格搜索法來(lái)遍歷搜索范圍內(nèi)所有的參數(shù)組合，雖然預(yù)測(cè)速度相對(duì)較慢，但可以保證搜索到最優(yōu)參數(shù)[14-15]。分析結(jié)果顯示，徑向基SVM在測(cè)試集的ROC曲線下面積和F1值都高于多項(xiàng)式SVM，說(shuō)明徑向基SVM較多項(xiàng)式SVM更適合晚期SVGD的風(fēng)險(xiǎn)預(yù)測(cè)，這可能與徑向基核函數(shù)有較好的學(xué)習(xí)能力有關(guān)。多項(xiàng)式SVM在訓(xùn)練集的ROC曲線下面積為0.931，但是在測(cè)試集的表現(xiàn)較差，提示多項(xiàng)式SVM在訓(xùn)練模型時(shí)可能存在過(guò)擬合的現(xiàn)象，模型的泛化能力較差。

BP神經(jīng)網(wǎng)絡(luò)是一種具有自學(xué)習(xí)、自適應(yīng)和很強(qiáng)的非線性映射能力的多層前饋神經(jīng)網(wǎng)絡(luò),由輸入層、隱藏層和輸出層組成。由于隱藏層的節(jié)點(diǎn)數(shù)，尚無(wú)理論指導(dǎo)，本研究五次模擬的隱藏層節(jié)點(diǎn)數(shù)都是通過(guò)測(cè)試集ROC曲線下面積最大的標(biāo)準(zhǔn)反復(fù)試驗(yàn)確定。分析的結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)在測(cè)試集的ROC曲線下面積略高于徑向基SVM，但在F1指標(biāo)方面相同，表明BP神經(jīng)網(wǎng)絡(luò)是本研究中最佳的預(yù)測(cè)模型。

目前冠狀動(dòng)脈造影是診斷SVGD的金標(biāo)準(zhǔn)，但其檢測(cè)費(fèi)用相對(duì)較高。本研究通過(guò)入選患者既往基線資料和臨床檢查指標(biāo)建立BP神經(jīng)網(wǎng)絡(luò)模型對(duì)SVGD患病風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，具有較高的查準(zhǔn)率和查全率，對(duì)輔助診斷起到一定的幫助作用。在建模方面采用了交叉驗(yàn)證的方法，可以從有限的數(shù)據(jù)中盡可能挖掘多的信息，避免結(jié)果出現(xiàn)局部的極值，提高了模型的穩(wěn)定性[16]。

本研究仍存在一些不足之處。首先，利用單因素logistic回歸，按0.05的水準(zhǔn)從候選變量中篩選分類(lèi)能力較強(qiáng)的變量作為模型預(yù)測(cè)因子，以提高建模的效率和預(yù)測(cè)性能，但受樣本含量和入選患者的代表性所限，結(jié)果可能會(huì)丟失一些與SVGD發(fā)病有關(guān)的潛在因素。其次，本研究采用了內(nèi)部驗(yàn)證的方法避免過(guò)擬合，但仍缺乏外部數(shù)據(jù)的驗(yàn)證。因此，還應(yīng)在后續(xù)研究中增大樣本量，納入更多地區(qū)的患者，進(jìn)一步調(diào)整優(yōu)化模型，并對(duì)模型的預(yù)測(cè)性能、泛化能力和穩(wěn)定性進(jìn)行更加客觀準(zhǔn)確的評(píng)價(jià)。