Page 96 - 《南京医科大学学报》自然科学版2026年第2期

第46卷第2期
·252 · 南 京 医 科 大 学 学 报 2026年2月

2.4 最优模型评价 的临床净获益（图4）。
运用校准曲线评估 SVM 模型预测概率的准确 2.5 最优模型解释
性，决策曲线评估模型在不同决策阈值下的临床净 运用 SHAP 值对 SVM 模型中影响 MHD 患者死
收益。校准曲线在大部分区域紧贴对角线，表明模 亡的危险因素的重要性进行排序。各特征的平均
型的预测概率与实际事件发生率较为一致，具有良 绝对 SHAP 值排序条形摘要图见图 5A，各特征的贡
好的校准性能。Brier 分数为 0.089，表明模型在内 献及其对预测结果的影响情况见图5B。结果显示，
部数据集上的预测误差较小，校准性能良好。DCA 排名前 6 的特征分别为独自居住、TCC、前白蛋白、
曲线显示，SVM模型在决策阈值0.1~0.4内具有较高 白蛋白、CCI评分及iPTH<300 pg/mL。

A B
1.0
SVM model（internal validation）
All
0.4 None
0.8 0.3
Observed probability 0.6 Net benefit 0.2

0.4

0.2 Brier scores：0.089 0.1
0
0
0 0.2 0.4 0.6 0.8 1.0
0 0.2 0.4 0.6 0.8 1.0 High risk threshold
Predicted probability
A. Calibration curve of SVM model in internal validation；B. Clinical DCA of SVM model in internal validation.
图4 SVM模型在内部验证中的校准曲线及DCA曲线
Figure 4 Calibrationc curve and DCA curve of SVM Model in Internal Validation

A B
Living alone Living alone
TCC TCC
Prealbumin Prealbumin
Albumin Albumin
CCI score CCI score High
iPTH<300 pg/mL iPTH<300 pg/mL
Age Age Feature value
Junior high school Junior high school
or below or below Low
BUN/Creatinine BUN/Creatinine
Ratio Ratio
Diabetic nephropathy Diabetic nephropathy
College degree of College degree of
above above
Sex（male） Sex（male）
0 0.03 0.06 0.09 -0.25 0 0.25 0.50
Mean（｜SHAP value｜） SHAP value
A：Variable importance ranking. B：SHAP values.
图5 SVM模型的SHAP图解释
Figure 5 SHAP plot interpretation for SVM model

［8］
治疗方案优化提供了新的研究视角和理论依据 。
3 讨 论
本研究应用10种机器学习算法构建MHD患者全因
近年来，机器学习在医学领域取得了显著进 死亡风险预测模型，其中 SVM 模型预测效能最佳，
展，多项医学研究证实了机器学习算法能够有效挖 AUC 和精确度分别为 0.928、0.919，均高于其他模
掘并辨识潜在的疾病风险因子，为病理机制解析和 型，校准曲线、DCA 曲线评价预测模型一致性及获