Алгоритм определения значимости признаков на основе анализа зависимостей при прогнозировании сердечно-сосудистых событий
Боковая панель статьи
Основное содержимое статьи
Аннотация
В этой статье значения SHAP используются для получения модели с результатом, близким к точному. Какие факторы являются хорошими причинами результата модели SHAP? Некоторые факторы не имеют никакой связи, а некоторые могут мешать результату модели. Проблема заключается в том, что в машинном обучении мы тратим время и ресурсы на обучение всех данных, но результат остаётся низким. Следовательно, находя значения SHAP и уменьшая факторы, не влияющие на результат, согласно предоставленным данным, мы можем получить более высокий результат. Исходя из этого, был предложен новый метод определения значений SHAP. То есть, учитывая зависимость данных, предлагается метод для получения более точного результата как для значения SHAP, так и для значения модели.
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Alireza Z, Maleeha M, Kaikkonen M, Fortino V. Enhancing prediction accuracy of coronary artery disease through machine learning-driven genomic variant selection. J Transl Med. 2024 Apr 16;22(1):356. doi: 10.1186/s12967-024-05090-1.
Vu T, Kokubo Y, Inoue M, Yamamoto M, Mohsen A, Martin-Morales A, Dawadi R, Inoue T, Tay JT, Yoshizaki M, Watanabe N, Kuriya Y, Matsumoto C, Arafa A, Nakao YM, Kato Y, Teramoto M,
Araki M. Machine Learning Model for Predicting Coronary Heart Disease Risk: Development and Validation Using Insights From a Japanese Population-Based Study. JMIR Cardio. 2025 May 12;9:e68066. doi: 10.2196/68066.
Koloi A, Loukas VS, Hourican C, Sakellarios AI, Quax R, Mishra PP, Lehtimäki T, Raitakari OT, Papaloukas C, Bosch JA, März W, Fotiadis DI. Predicting early-stage coronary artery disease using machine learning and routine clinical biomarkers improved by augmented virtual data. Eur Heart J Digit Health. 2024 Aug 9;5(5):542-550. doi: 10.1093/ehjdh/ztae049.
El-Sofany, H., Bouallegue, B. & El-Latif, Y.M.A. A proposed technique for predicting heart disease using machine learning algorithms and an explainable AI method. Sci Rep 14, 23277 (2024). https://doi.org/10.1038/s41598-024-74656-2
Wang J, Xue Q, Zhang CWJ, Wong KKL, Liu Z. Explainable coronary artery disease prediction model based on AutoGluon from AutoML framework. Front Cardiovasc Med. 2024 Jul 1;11:1360548. doi: 10.3389/fcvm.2024.1360548.
Liu, Y., Du, L., Li, L. et al. Development and validation of a machine learning-based readmission risk prediction model for non-ST elevation myocardial infarction patients after percutaneous coronary intervention. Sci Rep 14, 13393 (2024). https://doi.org/10.1038/s41598-024-64048-x.
Trigka, M.; Dritsas, E. Long-Term Coronary Artery Disease Risk Prediction with Machine Learning Models. Sensors 2023, 23, 1193. https://doi.org/10.3390/s23031193
Kigka VI, Georga E, Tsakanikas V, Kyriakidis S, Tsompou P, Siogkas P, Michalis LK, Naka KK, Neglia D, Rocchiccioli S, Pelosi G, Fotiadis DI, Sakellarios A. Machine Learning Coronary Artery Disease Prediction Based on Imaging and Non-Imaging Data. Diagnostics (Basel). 2022 Jun 14;12(6):1466. doi: 10.3390/diagnostics12061466.
Qi X, Wang S, Fang C, Jia J, Lin L, Yuan T. Machine learning and SHAP value interpretation for predicting comorbidity of cardiovascular disease and cancer with dietary antioxidants. Redox Biol. 2025. doi: 10.1016/j.redox.2024.103470.
Ke Wang, Jing Tian, Chu Zheng, Hong Yang, Jia Ren, Yanling Liu, Qinghua Han, Yanbo Zhang. Interpretable prediction of 3-year all-cause mortality in patients with heart failure caused by coronary heart disease based on machine learning and SHAP. Computers in Biology and Medicine. Vol. 137, 2021. https://doi.org/10.1016/j.compbiomed.2021.104813.
Dorraki M, Liao Z, Abbott D, Psaltis PJ, Baker E, Bidargaddi N, Wardill HR, van den Hengel A, Narula J, Verjans JW. Improving Cardiovascular Disease Prediction With Machine Learning Using Mental Health Data: A Prospective UK Biobank Study. JACC Adv. 2024 Sep 25;3(9):101180. doi: 10.1016/j.jacadv.2024.101180.
Ogunpola, A., Saeed, F., Basurra, S., Albarrak, A.M., Qasem, S.N. Machine Learning-Based Predictive Models for Detection of Cardiovascular Diseases. Diagnostics 2024, 14, 144. https://doi.org/10.3390/diagnostics14020144.
Srinivasan S, Gunasekaran S, Mathivanan SK, M B BAM, Jayagopal P, Dalu GT. An active learning machine technique based prediction of cardiovascular heart disease from UCI-repository database. Sci Rep. 2023 Aug 21;13(1):13588. doi: 10.1038/s41598-023-40717-1.
Hassan CAU, Iqbal J, Irfan R, Hussain S, Algarni AD, Bukhari SSH, Alturki N, Ullah SS. Effectively Predicting the Presence of Coronary Heart Disease Using Machine Learning Classifiers. Sensors (Basel). 2022 Sep 23;22(19):7227. doi: 10.3390/s22197227. PMID: 36236325; PMCID: PMC9573101.
Chen, SF., Loguercio, S., Chen, KY. et al. Artificial Intelligence for Risk Assessment on Primary Prevention of Coronary Artery Disease. Curr Cardiovasc Risk Rep 17, 215–231 (2023). https://doi.org/10.1007/s12170-023-00731-4
Motwani M, Dey D, Berman DS, Germano G, Achenbach S, Al-Mallah MH, Andreini D, Budoff MJ, Cademartiri F, Callister TQ, Chang HJ, Chinnaiyan K, Chow BJ, Cury RC, Delago A, Gomez M, Gransar H, Hadamitzky M, Hausleiter J, Hindoyan N, Feuchtner G, Kaufmann PA, Kim YJ, Leipsic J, Lin FY, Maffei E, Marques H, Pontone G, Raff G, Rubinshtein R, Shaw LJ, Stehli J, Villines TC, Dunning A, Min JK, Slomka PJ. Machine learning for prediction of all-cause mortality in patients with suspected coronary artery disease: a 5-year multicentre prospective registry analysis. Eur Heart J. 2017 Feb 14;38(7):500-507. doi: 10.1093/eurheartj/ehw188.
Akella A, Akella S. Machine learning algorithms for predicting coronary artery disease: efforts toward an open source solution. Future Sci OA. 2021 Mar 29;7(6):FSO698. doi: 10.2144/fsoa-2020-0206.
Saeedbakhsh S, Sattari M, Mohammadi M, Najafian J, Mohammadi F. Diagnosis of Coronary Artery Disease based on Machine Learning algorithms Support Vector Machine, Artificial Neural Network, and Random Forest. Adv Biomed Res. 2023. doi: 10.4103/abr.abr_383_21.
Aniruddha Dutta, Tamal Batabyal, Meheli Basu, Scott T. Acton, An efficient convolutional neural network for coronary heart disease prediction, Expert Systems with Applications, Volume 159, 2020, 113408, ISSN 0957-4174, https://doi.org/10.1016/j.eswa.2020.113408.