人工智能学院本科生在《Diabetes, Obesity and Metabolism》发表学术论文

近日，人工智能学院计算机科学与技术专业本科生张彦、徐凯杭、张颢耀、潘宇健题为"Cardiovascular Classification in Middle-Aged and Elderly CKD Patients: A Machine Learning Approach in China and the United States"（DOI: 10.1111/dom.71380）的研究论文，在国际医学期刊Diabetes, Obesity and Metabolism（《糖尿病、肥胖与代谢》）正式发表，通讯作者朱天生老师。研究主要聚焦慢性肾脏病人群中心血管疾病风险的智能识别问题，通过中美两国代表性队列数据的对比分析，揭示了机器学习模型在跨人群应用中的特征差异与可迁移性局限。该期刊影响因子为6，中科院医学2区。

心血管疾病是慢性肾脏病（CKD）患者死亡的主要原因，但传统风险评估工具在该人群中预测表现有限，已有的机器学习模型又普遍缺少跨国人群的外部验证。针对这一问题，研究团队选取美国国家健康与营养检查调查和中国健康与养老追踪调查两项具有全国代表性的队列数据，最终分别纳入1057名美国中老年CKD患者和1109名中国中老年CKD患者，训练并优化了7种常用机器学习算法，对模型在各自人群内部测试集上的表现，以及双向跨人群外部验证下的判别能力进行了系统比较，并借助SHAP（SHapley Additive exPlanations）可解释性方法解析了关键特征的贡献模式。研究结果显示XGBoost模型在美国队列中表现最优。在双向外部验证中，两个模型迁移到对方人群后判别性能均出现明显下降，表明单一模型难以在不同国家人群之间直接通用。进一步的可解释性分析发现，中美两国中老年CKD患者的心血管疾病相关特征结构存在显著差异：年龄在美国队列中贡献最高，而高血压是中国队列中首要的贡献特征。研究据此指出，在慢性肾脏病患者心血管风险建模中，应针对不同人群建立经过校准的分类模型，而非简单套用统一模型。

近年来，学院坚持开展“产教融合”“科教融汇”的育人实践，通过导师制、学科平台与科研项目等加强本科生创新实践能力培养，鼓励学生早进入项目组，早接触一线真问题，以此激发学生研究兴趣，提升学生科研素养与解决复杂问题的能力。以上本科生作为主要作者在国际医学期刊发表研究论文即为具体成效之一。