基于临床数据的慢性阻塞性肺疾病居家康复管理智能诊疗模型

摘要

一种结合XGBoost与LSTM的临床数据驱动模型提升了慢性阻塞性肺疾病（COPD）的家庭康复效果，提高了数据准确性和预测能力。该模型达到98%的准确率，指标改善率达42.5%，克服了传统以医院为基础治疗方式的局限性。

摘要

慢性阻塞性肺疾病（COPD）的传统院内康复治疗存在资源短缺、成本高和交通不便等问题。为提高COPD康复治疗的便利性，本文提出一种基于临床数据驱动的智能诊疗模型，用于COPD的家庭康复管理。该家庭康复智能诊疗模型通过结合XGBoost算法与长短期记忆网络进行优化。结果表明，XGBoost算法在处理临床结构化数据时准确率最高，而随机森林（RF）算法在处理临床结构化数据时准确率最低。当训练样本数量为300时，两者的准确率分别为98%和83%。将XGBoost算法与长短期记忆网络相结合用于处理监测指标，可获得最高的改善率和最小的均方误差。当样本量为1000时，监测指标的改善率为42.5%，均方误差为0.041。本研究提出的方法能够有效处理临床数据，提高数据处理的准确性，并准确预测COPD未来的病情变化。

引言

慢性阻塞性肺疾病（COPD）是一种常见的慢性疾病，致残率和死亡率较高，严重影响患者的生活质量。传统的康复管理模式在应对COPD时存在信息滞后、干预不及时等问题。然而，随着技术的进步，一些新兴技术（如极端梯度提升（XGBoost）算法）为COPD的管理带来了新的可能性¹。尽管XGBoost已在包括运动医学在内的多种健康监测场景中展现出适用性，但本研究特别利用其优势，针对家庭康复环境下的COPD管理进行应用。研究重点在于利用临床数据和远程监测数据，提升对COPD患者的预测准确性和个性化照护水平²。例如，通过采集心率、呼吸频率等生理指标，这种结合方式不仅有助于COPD患者的管理，还为健康管理提供了新的视角和方法³。XGBoost是一种高效的梯度提升（GB）决策树算法，采用并行计算和缓存技术，使训练速度更快，能够处理大规模数据库和复杂特征。此外，它在处理多种类型数据集方面表现优异，具有良好的泛化能力⁴。长短期记忆网络（LSTM）是一种特殊的循环神经网络（RNN）结构，常用于处理和学习时间序列数据。LSTM对时间敏感，能够识别时间序列数据中的模式和特征，因此适用于信号处理和时间序列预测等任务。为实现对疾病的准确预测和个性化干预，本研究提出将基于临床数据的智能诊疗模式应用于COPD的家庭康复管理中。研究创新性地结合XGBoost与LSTM，以优化COPD....

方案

本研究经台州市肿瘤医院伦理委员会审查并批准。在数据收集前，所有参与者均按照机构和国家伦理标准签署了书面知情同意书。所用试剂和软件列于材料表中。

1. 工作流程概述

使用XGBoost处理结构化临床数据的端到端工作流程如图1所示，包括特征输入、树结构构建、残差更新、正则化及评估。使用LSTM对远程监测数据进行预处理和序列建模的工作流程如图2所示，涵盖10分钟重采样、间隙处理、7天非重叠窗口划分、网络架构及推理。

2. 患者招募与人口统计学特征

患者于2023年3月至2024年1月期间，从中国台湾台州市癌症医院的门诊诊所和住院病房连续招募。纳入标准为根据GOLD标准确诊为慢性阻塞性肺疾病（FEV₁/FVC < 70%）、入组时病情稳定，且年龄在40至80岁之间。排除标准包括严重合并症，如肺癌、未控制的心血管疾病或影响知情同意能力的认知障碍。共纳入214例患者（平均年龄63.7 ± 8.9岁；男性占68%；目前或既往吸烟者占54%）。

结果

样本量稳定性与最优性能
为了明确展示稳定性阈值，我们首先给出 表1，随后是学习曲线 图3 和 图4. 表1 报告了XGBoost分类器在结构化数据上以及LSTM在多变量时间序列上的准确率、AUC和MSE随训练样本量增加的均值±标准差。如图所示 图3，XGBoost 在少于 200 个样本时性能不稳定（方差较高；AUC 0.82–0.89），但在样本数达到或超过 300 时趋于稳定，准确率保持一致 >0.95 和 AUC >0.93. 图4 表明LSTM的准确率随着序列数量的增加而单调提升，并在约1000条序列时趋于收敛，此时准确率达到约0.96，均方误差（MSE）接近0.048。这些结果为编辑要求说明为何至少需要300条序列才能保证稳定性，以及为何.......

讨论

主要研究结果总结
慢性阻塞性肺疾病（COPD）通过导致呼吸困难、活动能力下降以及反复发生急性加重，带来了显著的临床和社会负担¹⁰利用可解释性分析进行持续的家庭监测，能够通过实现更早的检测和有针对性的干预，减轻这一负担。本研究中，一种结合XGBoost处理结构化临床变量与LSTM处理多变量时间序列信号的混合工作流程表现出持续优异的性能，在训练样本数≥300时达到稳定状态，且在接近 ≈1000 个不重叠的 7 天序列表1 图3,4）。该混合模型在各项区分度指标上均优于经典对照模型（图5, 图8-12；表4) 并在生理指标预测中使均方误差相对降低了42.5% ≈1000 条序列表3）.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
CUDA	NVIDIA	11.6	一种用于加速 GPU 上计算的并行计算平台和编程模型。
cuDNN	NVIDIA	8.2	一种针对深度神经网络的 GPU 加速库，用于优化模型训练性能。
心电图机	Philips	PageWriter TC70	用于验证可穿戴设备心率测量的准确性。
GPU	NVIDIA	RTX 3080	高性能 GPU，用于加速大规模数据集上的模型训练。
LSTM 模型	-	-	长短期记忆神经网络，用于时间序列数据处理。
脉搏血氧仪	Masimo	Rad-97	用于测量血氧饱和度（SpO2）并验证可穿戴设备的准确性。
Python	Python Software Foundation	3.10.6	用于数据处理、模型训练与评估的编程语言。
TensorFlow	Google	2.13	用于训练 LSTM 模型及执行神经网络计算的软件库。
可穿戴活动追踪器	Fitbit	Charge 5	用于追踪步数和身体活动水平。
XGBoost	-	-	用于梯度提升（机器学习）的软件库。