基于可解释性机器学习的川崎病中巨冠脉瘤预测方法

本发明提供一种基于可解释性机器学习的川崎病中巨冠脉瘤预测方法，属于生物信息处理技术领域。包括以下步骤：S1采用回顾性队列研究方法，收集住院KD患儿病例，排除不符合要求的病例；S2.冠状动脉病变评估和分类；S3.变量预处理；S4.机器学习模型构建；S5.变量筛选；S6.模型解释；S7.确定最佳干预阈值；S8.开发在线预测工具。本发明通过多模型比较筛选出性能最优的SVM kernlab模型，并结合SHAP方法和递归特征消除，确定一组关键预测分子；基于多中心数据验证模型，提高模型适用性；有助于实现高风险患儿的早期识别和分层管理。开发网页工具，建议风险高的患者提早进行干预。