基于多源数据融合的缺血性脑卒中用药风险预警研究

目的/意义 利用基于多源数据融合的机器学习算法,预测缺血性脑卒中患者的临床药物治疗风险。方法/过程 基于国际脑卒中试验数据集,融合患者人口统计学、生命体征检查及临床药物治疗数据,利用随机森林、逻辑回归和梯度提升决策树算法预测用药风险。结果/结论 3种算法在预测性能方面都表现较好,其中梯度提升决策树的召回率达到91.6%,曲线下面积为0.832,效果最佳。多源数据融合的机器学习算法在缺血性脑卒中用药风险预警中具有良好适用性。