想象一下，走进医院，却对即将面临的费用一无所知。但如果机器能够以惊人的准确度预测这些费用呢？一项最新研究在开发基于人工智能的可解释机器学习模型方面取得了重大进展，这些模型能够预测心血管疾病患者的住院时间和治疗费用。
## 全球健康问题
心血管疾病 (CVD) 是全球首要死因，对医疗保健系统造成巨大的经济负担。在住院的心血管疾病患者中，血管成形术和冠状动脉旁路移植术 (CABG) 等手术会导致住院时间延长和治疗费用增加。因此，迫切需要强大的预测工具来支持临床和管理决策。
## 一项意义重大的研究
这项应用型回顾性预测建模研究于 2024 年在伊朗德黑兰一家心血管专科诊所进行。研究分析了 2022 年至 2023 年间接受血管成形术或 CABG 的 7,685 名成年住院患者的数据。本研究开发了八种基于回归的机器学习算法，用于预测四项结果：住院时长 (LOS)、患者自付费用 (OOP)、保险公司支付金额和总治疗费用。
该研究采用了 XGBoost 模型，这是一款高性能模型，在所有预测任务中均表现优异。在测试集上，XGBoost 模型在预测住院时长、患者自付费用、保险公司支付金额和总治疗费用方面分别取得了 0.7802、0.8473、0.8946 和 0.6437 的 R² 值。SHAP 分析表明，住院时长、干预类型、年龄和合并症是关键预测因子。
## 临床可实施的解决方案
本研究提出了一种全面、可解释且临床可实施的机器学习框架，用于预测心血管疾病患者的住院时长和治疗费用。通过将高性能模型与可解释的人工智能和实际应用相结合，该方法为优化医院资源规划和患者预后提供了一种可扩展的解决方案。
未来的研究应侧重于在多家医院和医疗保健系统中对模型进行外部验证，以提高其普适性。此外，整合更广泛的临床和社会经济变量可能进一步提高预测性能，并扩大所开发的决策支持工具的适用范围。
