齐巧娜，刘 艳，陈霁晖，刘昕竹，杨 锐，张津源，崔梦璇，谢艺萌，王则远，于 泽，高 飞，张 健

1北京诺道医学认知科技有限公司，北京 100161；2上海交通大学医学院附属新华医院临床药学部，上海200092

随着医疗信息化的飞速发展，医疗大数据呈爆炸式增长。医疗大数据包含患者在疾病诊疗过程中产生的全部数据，包括医生处方、电子病历、生命体征、医学成像、检验检查、药物治疗、医疗保险等数据。通过对医疗大数据的深入挖掘，可促进个性化医疗、优化诊疗手段和提高诊疗效率［1-3］。人工智能作为计算机科学的一个新的技术分支，它试图通过获取、表示和使用知识来不断改善性能和自我完善，而赋予计算机类似于人类的学习能力［4-5］。机器学习是人工智能的主要实现途径，并且是人工智能研究中发展最快的领域之一［6］。现代医疗领域已经配备医疗数据的采集及存储系统，并且能够在大容量的信息系统中实现集成和分享。应用机器学习对医疗大数据进行挖掘，以总结、获取新的知识，相比常规的临床研究和传统统计学，具有更强的数据处理和知识获取能力［7-8］。

Boosting也称为增强学习或提升法，是集成学习技术中重要的框架之一，其应用十分广泛。2014年陈天奇博士提出XGBoost 算法，XGBoost 是“极端梯度上升”的简称，它类似于梯度上升框架，但是兼具线性模型求解器和树学习算法算法，作为一种新型高效的Boosting算法，在基础算法上加以优化改进，提高了精度，其关注度和应用价值越来越高［9］，已广泛地运用于医疗保健、金融、教育、制造等领域的数据分析中。……