摘要
电子健康记录(EHR)包含广泛的个人信息、诊断记录和病史,能够预测疾病发生和死亡风险。本研究的目的是通过比较各种深度学习模型和传统机器学习方法的性能,预测心肌梗死并发症并评估死亡风险。研究结果表明,两种模型在预测并发症方面表现相似。DeepFM模型通常用于点击率(CTR)预测。据我们所知,这是DeepFM模型首次应用于EHR领域,我们已经证明了其卓越的预测性能,准确率达到93.95%。此外,我们进一步将样本分为低、中、高风险类别,并具有较高的置信度。为了理解这些结果,我们利用SHAP值对模型的预测进行了可解释性分析。该分析包括对重要特征进行排序,并总结ECG相关特征,这些特征对临床医生的临床决策具有启示意义。