李荣 杨嘉烨 宋苏燕 郭志高 丁有伟

（南京中医药大学人工智能与信息技术学院 江苏省南京市 210033）

1 引言

随着人民生活水平和膳食结构的改变，我国血脂异常的发生率呈持续上升趋势，血脂异常与动脉粥样硬化密切相关，是冠心病、脑卒中、心肌梗死、猝死的危险因素[1]。我国成人血脂异常患者的知晓率和治疗率仍处于较低水平，血脂异常的防治工作有待加强[2]，因此高血脂的评估和预测对阻止病情的发生，延缓病情具有重要意义。

近年来，机器学习技术发展迅速，并被广泛用于慢性病预测。M Chen 等人[3]在数据不完整的情况下使用潜在因素模型重建丢失数据，并对某一地区的慢性病脑梗死患者的结构化和非结构化数据进行试验，提出了一种新的基于CNN 的多模态疾病风险预测算法（CNN-MDRP），该算法准确率高，收敛速度快。A Wang 等人[4]借助logistic 回归对风险因素初筛，进而采构建BP 算法的多层感知神经网络模型预测高血压。将Logistic 回归和ANN 进行有效结合，对于高血压筛查具有重要意义。Chang W 等人[5]使用递归特征消除与交叉验证从体检数据中提取最佳特征子集后，采用SVM、决策树、随机森林、XGBoost 预测高血压，发现XGBoost 预测性能最好，此试验对深入研究高血压并发症具有较强的现实意义。

在国内外的相关研究中，将机器学习应用于疾病预测的研究可以分为用于预测慢性疾病的模型设计和通过不同模型比较预测结果，大部分研究主要针对高血压等一些慢性疾病，由于高血脂症和其他慢性疾病同样重要，因此本研究选择高血脂症作为主要分析的疾病，提出基于XGBoost 算法的潜在高血脂疾病预测方法。……