11月1日，我校公共衛生學院張巖波教授團隊在計算機領域權威期刊Engineering Applications of Artificial Intelligence（中國科學院一區Top期刊，IF=8.0）發表最新研究成果《Multi-label learning research on joint ensemble strategies for predicting adverse prognosis in patients with coronary heart disease》。公共衛生學院流行病與衛生統計學科青年教師楊弘為論文第一作者，張巖波教授為主通訊作者。

在冠心病預后研究領域，主要不良心血管事件（MACE）作為核心復合終點指標，但以單一結局建模的單標簽學習“管中窺豹”，樣本產生偏倚，忽略了結局間的復雜聯系，預測性能降低。多標簽學習（Multi-label learning）可同時對多個結局進行預測，但復合事件高度關聯給數據分析帶來極大挑戰。本研究創新性構建融合多標簽數據特征選擇、集成模型構建與可解釋性設計的多標簽學習框架，為同時具有多個復雜結局的心血管疾病預后研究提供了解決思路，有力助推冠心病預后評估向精準化、個體化方向縱深發展。

該研究提出動態加權多標簽集成特征選擇算法（DWML-EFS）與多標簽線性加權堆疊集成算法（MLLWSE）。在提升特征選擇效率的同時可以精準捕捉基分類器間的相互依賴關系，充分利用標簽關聯性提升預測效果。

為驗證框架有效性，研究團隊在公共數據集與真實世界冠心病數據中開展對比實驗。結果顯示，該創新框架的預測性能顯著優于當前主流方法，展現出優異實用性與可靠性，提供的在線預測工具為臨床決策提供直觀參考。

張巖波教授團隊在多項國家自然科學基金（82574211、82173631、81872714）等項目的持續資助下，深耕冠心病等復雜心血管疾病的預后評估、多維度風險預測及臨床數據建模研究，為高維異質性臨床數據的深度解析提供創新數據分析模式，為后續復雜疾病隊列的預測模型構建與臨床轉化提供重要思路借鑒。

（圖文/楊弘）