基于機器學習構建高血壓腎病預測模型研究

[摘要]"目的"探討基于機器學習構建高血壓腎病（hypertensive"nephropathy，HN）預測模型研究。方法"納入2023年4月至2024年3月于臺州市第一人民醫院就診的318例高血壓患者，按7∶3比例將患者分為訓練集和驗證集，使用最小絕對收縮和選擇算子算法（least"absolute"shrinkage"and"selection"operator，LASSO）對訓練集進行臨床特征選擇，從18項臨床變量中得到12項有臨床意義的變量。基于Python3.10編程語言，采用訓練集對模型進行訓練，以12項有臨床意義指標為輸入變量，以是否發生HN為結果變量，運用邏輯回歸、支持向量機和人工神經網絡3種機器學習算法構建預測模型，利用驗證集對3種模型進行內部驗證，通過準確率、受試者操作特征曲線下面積、召回率、精確率和F1對模型性能進行比較。結果"在LASSO篩選的12項有臨床意義的變量中，得出胱抑素C與尿蛋白定性最具有預測意義。機器學習構建的邏輯回歸、支持向量機和人工神經網絡預測模型的準確度、受試者工作特征曲線下面積、召回率、精確率和F1值分別為0.94、0.96、0.95、0.87、0.91，0.94、0.97、0.96、0.86、0.91及0.91、0.94、0.93、0.80、0.86。結論"基于機器學習構建的邏輯回歸、支持向量機和人工神經網絡對高血壓患者進展為HN均具有較好的預測效果。三者之間比較，邏輯回歸、支持向量機預測效果相似，優于人工神經網絡預測模型。

[關鍵詞]"機器學習；高血壓；高血壓腎病；預測模型；邏輯回歸；支持向量機；人工神經網絡

[中圖分類號]"R544.1""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.15.002

Construction"of"prediction"models"for"hypertensive"nephropathy"based"on"machine"learning

LIU"Mingming1，"WANG"Hong2，"WANG"Zhecheng3，"CHEN"Dan1

1.Department"of"Traditional"Chinese"Medicine，"Taizhou"First"People’s"Hospital，"Taizhou"318020，"Zhejiang，"China;"2.Department"of"Nephrology，"Taizhou"First"People’s"Hospital，"Taizhou"318020，"Zhejiang，"China;"3.School"of"Information"Engineering，"Taizhou"Vocational"College"of"Science"amp;"Technology，"Taizhou"318020，"Zhejiang，"China

[Abstract]"Objective"To"explore"the"construction"of"a"prediction"model"for"hypertensive"nephropathy"（HN）"based"on"machine"learning."Methods"A"total"of"318"hypertensive"patients"who"visited"Taizhou"First"People’s"Hospital"from"April"2023"to"March"2024"were"included"and"divided"into"a"training"set"and"a"validation"set"at"a"ratio"of"7"："3."Least"absolute"shrinkage"and"selection"operator"（LASSO）"algorithm"was"used"to"select"clinical"features"from"the"training"set，"and"12"clinically"significant"variables"were"obtained"from"18"clinical"variables."Based"on"the"Python"3.10"programming"language，"the"training"set"was"used"to"train"the"model."Taking"the"12"clinically"significant"indicators"were"used"as"input"variables，"and"whether"the"occurrence"of"HN"was"used"as"the"outcome"variable."Three"machine"learning"algorithms，"namely"logistic"regression，"support"vector"machine，"and"artificial"neural"network，"were"used"to"construct"prediction"models."The"test"set"was"used"for"internal"validation"of"three"models."The"performance"of"the"models"was"compared"through"accuracy，"area"under"the"receiver"operating"characteristic"curve，"recall"rate，"precision，"and"F1."Results"Among"12"clinically"significant"variables"screened"by"the"LASSO"algorithm，"cystatin"C"and"urine"protein"qualitative"were"found"to"be"the"most"predictive."The"accuracy，"area"under"the"receiver"operating"characteristic"curve，"recall"rate，"precision，"and"F1"values"of"the"Logistic"regression，"support"vector"machine，"and"artificial"neural"network"prediction"models"constructed"by"machine"learning"was"0.94，"0.96，"0.95，"0.87，"0.91;"0.94，"0.97，"0.96，"0.86，"0.91;"0.91，"0.94，"0.93，"0.80，"0.86，"respectively."Conclusion"Logistic"regression，"support"vector"machine，"and"artificial"neural"network"based"on"machine"learning"all"have"good"predictive"effects"on"the"progression"of"hypertensive"patients"to"HN."Among"them，"the"predictive"effects"of"Logistic"regression"and"support"vector"machine"are"similar"and"better"than"artificial"neural"network"prediction"model.

[Key"words]"Machine"learning;"Hypertension;"Hypertensive"nephropathy;"Prediction"model;"Logistic"regression;"Support"vector"machine;"Artificial"neural"network

高血壓作為常見的慢性疾病，對心臟、大腦、腎臟等重要臟器的結構與功能造成持續損害。研究指出2019年全球有12.8億成年人罹患高血壓，中國成人高血壓患病人數為2.45億，患病率達23.2%，患病率總體呈增高趨勢[1]。

高血壓腎病（hypertensive"nephropathy，HN）是由長期血壓增高引起腎內小動脈及細小動脈病變，造成動脈管腔狹窄，繼發缺血性腎實質損害，并導致腎小球硬化、腎小管萎縮和腎間質纖維化的一種疾病[2]。HN的進展通常較為緩慢，且在疾病早期可能不會出現明顯癥狀。然而，隨著疾病的進展，最終可能導致患者發生終末期腎病，對患者的生命構成重大威脅。

機器學習（machine"learning，ML）是近年興起的涉及概率論、統計學及計算復雜性理論的多領域交叉學科，目前在疾病預測和判斷中有著廣泛的應用[3-4]。本研究旨在運用ML開發一種高效且簡便的預測工具，用于評估高血壓患者進展為HN的風險，以期盡早干預，防止疾病的進展。

1""資料與方法

1.1""臨床資料

納入2023年4月至2024年3月于臺州市第一人民醫院就診的318例高血壓患者。本研究經臺州市第一人民醫院倫理委員會批準（倫理審批號：臺一醫倫審2023研第018號–01），患者均簽署知情同意書。

1.2""診斷和納排標準

1.2.1""診斷標準""高血壓診斷標準：參照《中國高血壓防治指南（2018年修訂版）》[5]。HN診斷標準：參照《高血壓腎病診斷和治療中國專家共識（2022）》[2]。

1.2.2""納入標準""①患者年齡≥35歲并≤75歲；②依據高血壓診斷標準，明確診斷為原發性高血壓病；③患者本人簽署知情同意書。

1.2.3""排除標準""①意識不清或難以準確表達主觀不適癥狀；②確診為原發性腎病，或除高血壓外其他原因引起的繼發性腎臟疾病；③伴有嚴重的呼吸、心血管、消化系統等原發性疾病。

1.3""統計學方法

采用SPSS"26.0統計學軟件對數據進行處理分析。符合正態分布的計量資料以均數±標準差（"）表示，比較采用t檢驗；不符合正態分布的計量資料以中位數（四分位數間距）[M（Q1，Q3）]表示，比較采用秩和檢驗。計數資料以例數（百分率）[n（%）]表示，比較采用c2檢驗。通過最小絕對收縮和選擇算子算法（least"absolute"shrinkage"and"selection"operator，LASSO）篩選危險因素，并據此構建邏輯回歸（logistic"regression，LR）、支持向量機（support"vector"machine，SVM）和人工神經網絡（artificial"neural"network，ANN）3個ML預測模型。采用準確率、精確率、召回率、F1得分、受試者操作特征曲線（receiver"operating"characteristic"curve，ROC曲線）下面積（area"under"the"curve，AUC）等指標評價模型的穩定性及預測性能。Plt;0.05為差異有統計學意義。

2""結果

2.1""基本情況

共納入318例高血壓患者，其中HN患者130例（40.88%）。患者年齡36～74歲。男186例，女132例，男女比例1.41∶1。該數據集包括18個變量，其中性別、民族、吸煙、是否合并糖尿病是二分類變量，年齡、體質量指數（body"mass"index，BMI）、肌酐（creatinine，Cr）、丙氨酸轉氨酶（alanine"aminotransferase，ALT）、尿素氮（blood"urea"nitrogen，BUN）、白蛋白（albumin，ALB）、尿酸（uric"acid，UA）、總膽固醇（total"cholesterol，TC）、鉀離子（K+）、甘油三酯（triglyceride，TG）、尿隱血（urinary"occult"blood，OB）、胱抑素C（cystatin"C，Cys-C）、尿蛋白定性（qualitative"determination"of"urine"protein，PRO）、尿白蛋白/肌酐（urinary"albumin/creatinine，ACR）等為連續性變量。

納入的318例高血壓患者按訓練集∶驗證集=7∶3隨機分成訓練集（223例）和驗證集（95例），兩組患者的臨床資料比較差異無統計學意義（P gt;0.05），見表1。

2.2""變量選擇與模型構建

使用LASSO回歸分析對訓練集進行臨床特征選擇，18項臨床變量得到12項有臨床意義的變量，分別為性別、BMI、是否合并糖尿病、ALT、TC、Cys-C、K+、BUN、UA、PRO、OB、ACR，各變量回歸系數見表2，最優α值為0.0139，均方誤差（mean"squared"error，MSE）為0.1093。LASSO相關性分析系數見圖1，LASSO系統路徑圖見圖2，LASSO交叉驗證圖見圖3。

2.3""預測模型的構建與評價

本研究采用訓練集對模型進行訓練，以12項有臨床意義的變量為輸入變量，以是否發生HN為結果變量建立早期診斷模型，利用LR、SVM、ANN3種ML算法構建模型。利用驗證集對建立的LR、SVM、ANN模型進行內部驗證。驗證集3種模型LR、SVM、ANN結果顯示，AUC為0.96、0.97及0.94，ROC曲線圖見圖4。精確率–召回率（precision–recall，PR）曲線的AUC分別為0.95、0.96及0.93，PR曲線見圖5。3種模型預測結果評價見表3。

3""討論

HN在慢性腎臟病中的發病率僅次于糖尿病腎病。據統計，HN的住院患者約占中國慢性腎臟病住院患者的20%，是導致終末期腎病的重要原因[6]。構建HN預測模型，幫助醫務人員在疾病初期及時發現潛在風險，對改善患者預后具有重要臨床意義。

本研究對18項臨床變量通過LASSO回歸分析，最終結果顯示Cys-C與PRO"2項變量最具有預測意義。這與臨床報道一致，如顧薇等[7]研究報道血清Cys-C等可作為HN的早期診斷指標；衛赟雯等[8]研究認為Cys-C對HN發展成終末期腎病的影響較大；王獻春等[9]研究報道Cys-C等可輔助診斷早期HN；崔榮萍等[10]研究認為Cys-C水平等與非杓型高血壓早期腎損害患者的病情程度顯著相關；鄭曉仙等[11]研究報道高血壓分級越高患者的Cys-C等水平越高，且Cys-C等水平越高腎損害程度越嚴重。

同時在HN中，PRO也是一個關鍵指標，其變化與腎臟高血壓損傷程度正相關。徐仕芳[12]研究發現高血壓人群中PRO與動脈硬化明顯相關；青梅等[13]研究認為對PRO進行檢測可對高血壓腎損傷起到良好的輔助診斷作用；黃茂堅等[14]研究表明Cys-C與PRO聯合檢測可有效診斷原發性高血壓患者發生的早期腎損傷。

目前ML在疾病預測、診斷和預后、醫學圖像處理等方面都取得較大的進展。劉奎等[15]應用LightGBM和隨機森林兩種算法建立糖尿病腎病疾病風險預測模型，得出LightGBM的預測模型更優。楊雪柯等[16]應用U-Net深度卷積神經網絡將視網膜血管形態學及結構數字化，得出視網膜微血管形態學特征異常與糖尿病腎病存在關聯。崔偉鋒等[17]分別通過決策樹、隨機森林、SVM和ANN構建4個原發性高血壓的預后預測模型，得出構建的SVM模型預測效能較好。

本研究通過ML的方法構建可預測高血壓進展為HN的預測模型。在模型開發過程中，運用LR、SVM、ANN"3種不同的ML算法對訓練集進行訓練構建預測模型，并通過驗證集進行驗證，得到準確度、AUC、召回率、精確率和F1值分別為0.94、0.96、0.95、0.87、0.91，0.94、0.97、0.96、0.86、0.91及0.91、0.94、0.93、0.80、0.86。3種模型對高血壓患者進展為HN均具有較好的預測效果。三者之間比較，LR、SVM預測效果相似，優于ANN預測模型。

推斷該結果與本研究的數據維度與樣本量有關，本研究數據的維度不是特別高，樣本量較小。LR對維度不高、小樣本量時表現預測良好[18]。同樣在ML模型中SVM在處理高維小樣本數據時優勢明顯[19]；而ANN結構復雜，在簡單任務中易產生過擬合，從而影響準確度。

本研究存在一定的局限性。首先本研究為單中心研究，納入患者樣本量和數據變量偏少，同時未能收集更多數據進行外部驗證，未來研究應進一步驗證。以ACR變量為例，在本研究LASSO回歸分析中，該變量為負相關；而在臨床報道中，長期高血壓對腎臟的損害，使腎小球濾過率下降，PRO增加，ACR也隨之升高[20]。歸因于樣本量較小導致數據出現漂移。未來研究中將收集多中心數據、更多的臨床變量和基于更多的ML算法進行模型訓練，以期對HN早期進行更精準診斷。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] NCD"Risk"Factor"Collaboration"（NCD-RisC）."World"wide"trends"in"hypertension"prevalence"and"progress"in"treatment"and"control"from"1990"to"2019："A"pooled"analysis"of"1201"population-representative"studies"with"104"million"participants[J]."Lancet，"2021，"398（10304）："957–980.

[2] 高血壓腎病診治中國專家共識組成員."高血壓腎病診斷和治療中國專家共識（2022）[J]."中華高血壓雜志，"2022，"30（4）："307–317.

[3] 馬棟方."面向慢性腎臟病臨床決策支持系統的機器學習研究[D]."杭州："浙江大學，"2021.

[4] 張育芳."一種用于藥物-靶標相互作用預測的特征表示新方法[D]."上海："上海交通大學，"2020.