心肌梗死患者院内死亡风险预测：一个面向真实临床场景的机器学习完整 pipeline

本文介绍了一个面向真实临床场景的心肌梗死患者院内死亡风险预测端到端机器学习项目，重点解决临床数据中的类别不平衡、高维稀疏特征、生理指标多重共线性及非随机缺失等挑战，对比多种正则化方法与非线性建模技术的应用效果，展示了负责任的医疗AI实践。

心肌梗死（MI）是全球主要死亡原因之一，早期准确评估患者院内死亡风险对治疗方案制定、医疗资源分配及预后改善至关重要。本项目针对临床数据科学层面的挑战，构建了完整的机器学习pipeline，展示真实临床约束下的负责任ML实践。

使用HOSP_ADMIT数据集，涵盖人口统计学、病史、生理指标及心电图结果等特征。核心挑战包括：类别不平衡（84%患者存活）、高维稀疏分类特征（心电图导联）、生理指标多重共线性、非随机缺失数据（MNAR）。

采用防泄漏预处理策略，通过ColumnTransformer处理缺失值，结合缺失值指示器保留生物学信号；所有预处理步骤为有状态设计，基于训练数据拟合后复用，避免数据泄漏，保障模型泛化能力。

对比多种建模方法：正则化线性模型（L1/L2处理EPV限制与共线性）、广义可加模型（GAMs捕捉非线性生理风险轮廓）、随机森林（捕捉特征交互效应），为临床特征选择与风险理解提供依据。

采用临床导向的评估框架：PR-AUC（敏感于类别不平衡，关注正例识别）、Brier分数（评估概率校准）、分层交叉验证（确保类别比例一致），避免传统准确率误导。

工程上采用模块化结构、状态持久化（预处理器与模型导出复用）、完整文档；启示包括：预处理需编码临床知识、模型选择服务临床问题、评估指标对齐业务目标。

本项目展示了面向真实临床场景的完整ML pipeline，解决技术挑战的同时体现负责任医疗AI态度，为医疗ML应用提供可参考的实践范例。