机器学习可解释模型方法在患者分型中的应用研究.docxVIP

中文摘要 　　摘要：近年来，人工智能在医疗健康领域的融合与应用不断在加深，人工智能技术也渐渐成为影响医疗行业发展的重要因素之一。XGBoost机器学习模型算法的原理基于梯度提升树，在回归问题和分类问题上，常常有很好的表现。XGBoost算法已经相当成熟，将它应用在重症监护室的患者分型工作上可以提高就诊效率，缓解医疗资源的压力。然而，医疗健康领域敏感度较高，对于机器学习可解释性要求也相应很高。如何通过科学的手段将“黑匣子” 一步步打开，是消费者们愈发接受机器学习技术的道路上的必经之路。 　　本研究的主要目的是将XGBoost机器学习模型方法应用在基于eICU合作研究数据库的患者分型中，通过对重