66、心血管疾病风险评估的可解释方法

心血管疾病风险评估的可解释方法

1. 引言

医疗保健模式的转变已成为医疗系统各利益相关者的共识。全球医疗支出预计在2018 - 2022年以每年5.4%的速度增长，这带来了经济和社会层面的不可持续成本。因此，医疗保健系统需要从被动治疗（患者患病后才进行治疗）转向以健康、预防和早期干预为核心的模式，这在心血管疾病（CVD）领域尤为重要。

在美国，2016年心血管疾病约占所有死亡人数的33%，直接和间接成本约为3512亿美元；在欧洲，2017年心血管疾病占所有死亡人数的45%，在欧盟则占37%。

预防应成为主要焦点，准确识别和分层患者的病情至关重要。早期识别患者的真实病情有助于优化治疗策略，减轻心血管疾病的负担。风险评估，即根据患者过去和现在暴露于风险因素的情况确定事件发生的概率，是预防工作的重要组成部分，临床指南也建议将其纳入临床决策支持。常见的风险评估模型如SCORE（用于一级预防，以年为单位）和GRACE（用于二级预防，以月为单位）。

然而，这些模型存在一些显著局限性。其中一个问题是缺乏可解释性，模型通常不能提供明确而有意义的信息来解释给定的分类。可解释性可以在不同层面（特征层面、模型层面）进行评估，但一个可解释的模型必须能够解释预测背后的推理过程，为医生提供接受或拒绝预测的理由，从而增强医生的信任。

为解决可解释性问题，提出了一种简单而创新的策略，该策略包含三个主要步骤：
1. 直接基于风险因素（单独或组合）推导规则，目标是识别不同风险类别之间最具区分性的值。
2. 实施个性化机制，通过选择上一阶段推导的规则中最适合特定患者的规则集。
3. 实施集成策略，整合所选单个规则的贡献，仅将最适合每个患者的规则进行