商酌亮点

CKD精确分层：基于PSG表型与XGBoost模子终了慢性肾病（CKD）全病程精确分级，外部考证展现超卓的泛化性能。

PSG表型通晓：揭示夜间醒后难以再次入睡、呼吸暂停时长及HRV等中枢瞻望特征，标明自主神剿袭损与缺氧负荷是CKD的潜在机制。

商酌问题

慢性肾病（CKD）是一种以肾功能逐渐零落为特征的进行性疾病，常随同贫血、心血管疾病及代谢功能终止，最终可发展为最后期肾病（ESKD），严重威逼患者人命与家庭福祉。传统筛查技能主要依赖血清肌酐、肾小球滤过率（eGFR）等生化谋略，不仅会诊滞后，且受限于有创性及医疗资源门槛，难以应用于大限制早期筛查，每每导致患者错失最好打扰窗口。

与此同期，休眠终止（如休眠呼吸暂停、失眠）在CKD患者中高发。商酌标明，休眠终止不仅是CKD的风险成分，更通过低氧、炎症及自主神经失调等机制进一步加重肾功能损害。然则，尽管二者病理机制联系明确，但既往商酌多局限于主不雅问卷或单一世理信号，未能充分运用大限制、多维度的客不雅休眠数据，这驱散了其在CKD精确分级及个性化管制中的应用后劲。

综上，Erdenebayar Urtnasan团队提议了一种基于多维度休眠表型数据的改变筛查框架，试图考证：通过集成学习（ensemble learning）算法，能否仅凭PSG休眠数据精确瞻望CKD的严重进度分期？

商酌设施

► 数据集构建

➢ 老师/测试集：通过倾向性评分匹配纳入了基线可比的358名CKD受试者。

➢ 外部考证集：纳入大样本健康休眠数据集，共1016例。

► 特征工程

➢ 特征索要：从PSG中索要了1210个临床表型特征，涵盖呼吸事件、休眠结构、心血管信号、肢体通顺、血氧足够度等，全面描画了患者的夜间生理图谱。

➢ 特征筛选：最初，通过卡方历练剔除无关变量。随后，应用基于有谋略树模子的特征要害性评分勾通交叉考证的递归特征根除（RFE）本事，筛选出最具判别力的要道特征子集。

► 模子构建

➢ 算法矩阵：商酌团队选拔了四种主流的集成学习算法。

■ 立地丛林（random forest， RF）：通过袋装法（bagging）镌汰方差，竖立基线踏实性。

■ 顶点梯度擢升（XGBoost）、轻量梯度擢升（LightGBM）与分类擢升（CatBoost）：均通过擢升法（boosting）来迭代修正伪善，迫临最优解。三者分别在正则化规则、蓄意速率及类别特征处理上展现独有上风。

➢ 分类场所：依据eGFR（mL/min/1.73 m²）步地，对受试者进行Stage 1-5的致密化分级，层级越高，CKD病程更严重。

■ Stage 1（STG1）：大于 90 mL/min/1.73 m²

■ Stage 2（STG2）： 60–89 mL/min/1.73 m²

■Stage 3a（STG3a）： 45–59 mL/min/1.73 m²

■ Stage 3b（STG3b）： 30–44 mL/min/1.73 m²

■ Stage 4（STG4）： 15–29 mL/min/1.73 m²

■ Stage 5（STG5）：小于 15 mL/min/1.73 m²

➢ 数据扞拒衡处理：为科罚CKD分期上的数目偏倚问题，亚博app在老师阶段使用了SMOTE本事来引申Stage 5的样本，但在测试阶段使用信得过漫衍，以确保评估驱散的临床信得过性。

主要驱散

1. 模子分类效用评估

➢ 四种集成学习模子在CKD多分类任务（Stage 1-5）中均展现出老成性能。其中，XGBoost模子的详尽施展优于其他三类模子：

■ XGBoost：Accuracy = 0.79，AUC = 0.94；

■ CatBoost：Accuracy = 0.61，AUC = 0.94；

■ LightGBM：Accuracy = 0.75，AUC = 0.98；

■ random forest：Accuracy = 0.77，AUC = 0.92；

➢ 在分层效用上，XGBoost在分手轻度CKD（Stage 2）及CKD重症阶段（Stage 3-5）的施展上均优于其他三类模子（Stage 2：AUC = 0.95；Stage 3-5：AUC > 0.89），证据了其捕捉疾病全病程微小特征的智力。

图1 集成学习模子在老师集上的ROC弧线分析

图a-d分别展示了立地丛林、XGBoost、LightGBM及CatBoost四种算法在不同CKD分期（Stage 1-5）下的分类效用弧线。AUC数值越高，标明模子分手对应CKD分期的智力越强。

2. 外部数据集泛化考证

➢ 四类模子均展现了强盛的泛化智力。极度地，XGBoost模子在分手晚期CKD各阶段的施展上均优于其他三类模子（Stage 3b：AUC = 0.97；Stage 4：AUC = 0.98；Stage 5：AUC = 1.00）。

图2 集成学习模子在外部考证集上的ROC弧线分析

图a-d分别展示了立地丛林、XGBoost、LightGBM及CatBoost四种算法在孤独测试部队中对各CKD分期的分类效用。

3. 要道表型特征通晓

➢ 特征要害性分析（SHAP）露馅，夜间醒后难以再次入睡在XGBoost、LightGBM及CatBoost模子中均为瞻望CKD分级的中枢瞻望特征。此外，REM期呼吸暂停时长、血氧下落及HRV等谋略也占据高权重，揭示了夜间间歇性低氧、自主神剿袭损与CKD的严重进度存在密切联系。

图3 基于SHAP值的CKD要道瞻望特征要害性排序

图a-d分别展示了立地丛林、XGBoost、LightGBM及CatBoost四种集成学习模子中，瞻望孝敬度最高的临床表型特征（按平均SHAP值排序）。

论断与启示

该商酌改变性地构建了基于PSG都集集成学习模子的无创筛查框架，证据仅凭夜间休眠生理表型即可精确分级CKD严重进度（尤其是XGBoost模子）。极度地，商酌揭示夜间醒后难以再次入睡、呼吸暂停时长及HRV等是分手CKD严重进度的中枢瞻望特征，强有劲地支执了休眠表型行为反应肾功能情景的潜在生物符号物的临床价值。

此外，该模子为临床提供了一种契机性筛查的新旅途：即运用既有休眠监测数据早期预警CKD风险，无需稀奇侵入性检查。以前，通过将HRV、血氧等要道特征移植至智能可衣服开发，并会通生化、基因等多模态数据，有望终了CKD全病程的低老本居家监测与早期精确预警。

开首 | 神踪科技

对于咱们

浙大科技园启真脑机智能产业化基地是在浙大控股集团指导下，由浙江大学科技园发展有限公司与杭州以前科技城管委会共建，围绕脑机智能产业主体，辐照脑机+人命健康、脑机+智能制造、脑机+新一代信息本事、脑机+新材料等规模的专科化特点产业基地，由杭州启真以前科技发展有限公司崇敬全面运营。

基地依托浙江大学在脑机智能方面的学科上风，以脑机智能行为中枢科技撑执，贯彻浙江大学国度大学科技园“有组织科技效率滚动、有靶向科技企业孵化、有体系以前产业辅导”的处事体系，奋发于打造脑机智能规模具备效率露馅度、区域影响力的产业化高地。

• 脑机
• 机遇
• 休眠
• 亚博app
• 启侦