目前基于急性冠脉综合征(ACS)人群大型临床研究建立的出血风险预测模型有 CRUSADE ACUITY-HORIZONS、ACTION 三个评分系统。但是这三个出血风险预测模型使用的病历数据均是来源于欧美，导致模型对于中国人群存在偏倚。且只有ACTION研究中纳入了口服华法林或其他抗凝剂的患者，故不能适用于采用抗凝治疗的ACS患者。另外三个模型的主要观察终点是院内及短期内出血风险，对慢病患者长期用药的风险预测价值有限，对中国患者临床实用性欠佳。针对房颤患者的出血风险模型有基于欧美人群完成的mOBI、Kuijer、Kearon、HEMORR2 ORBIT、ABC 等。目前临床使用的抗凝药物除了经典的华法林、肝素，尚有阿哌沙班、利伐沙班、达比加群等新型口服抗凝药物，上述模型中，仅有ORBIT和ABC模型各纳入了1种新型抗凝药使用，存在对临床常用抗凝药物覆盖不全的问题。另外这些评分系统的建模人群选取的是已接受抗凝治疗的人群，存在选择偏倚，可能低估了实际出血风险。同时由于基础人群的选择，也存在对于中国患者的偏倚。

1、数据集构建:本研究数据来源于神州医疗承建的iHeart心血管平台，平台涵盖多家三甲医院的电子病历数据，包含患者基本信息、疾病临床特点、诊断、病情评估、辅助检查等字段，以及多次就诊的信息。筛选其中出现出血事件且诊断中包含缺血性心脑血管疾病的病历作为本项目数据集，进行初步的数据清洗。2、变量标准化归一及筛选:根据文献、指南等权威知识源确定可能导致出血事件的变量，访谈相关科室的临床专家及临床药师，对变量进行增补。对所选变量进行进一步清洗和归一标准化工作。使用 Wrapper等深度学习方法对初步圈定变量进行选择，该方法不断使用从特征空间中抽取出来的特征子集构建模型，然后选出最好的的特征，把选出来的特征去除然后在剩余的特征上重复这个过程，直到所有特征都遍历。这个过程中特征被消除的次序就是特征的排序。由深度学习方法完成特征选择后，再次根据专家意见进行微调。3、模型构建:随机抽取70%病例数据构建训练集，剩余 30%数据作为测试集。使用逻辑回归、贝叶斯网络、支持向量机、xgboost等多种机器学习、深度学习方法构建模型，将选取预测效果最佳的方法完成模型构建。

心脑血管疾病是一类临床常见的慢性病，严重威胁人类健康。随着中国社会老龄化的加剧，心脑血管疾病导致的医疗和经济负担日益严重，权威机构最新调查数据显示，目前中风和缺血性心脏病是中国居民第一和第二位死因。在缺血性心脑血管疾病的治疗中，抗血小板和抗凝治疗占有重要地位，在接受经皮冠状动脉介入治疗的患者、接受颈部及颅内支架治疗的患者、房颤患者中，甚至需要接受双联抗血小板或抗凝联合抗血小板治疗，存在较高出血风险。且因为该患者人群老年人占绝大多数合并症较多，如慢性肾脏病、消化道溃疡等，常影响抗栓药物的代谢甚至存在治疗矛盾。另外多种药物同时使用情况突出，存在较多的药物相互作用，使用抗血小板及抗凝治疗存在较高出血风险。如何平衡缺血和出血风险是心脑血管疾病患者临床治疗面临的难题，建立适合有效的出血风险预测模型筛选出高危人群有助于做出临床决策。

1 刘慧 130982198307229029 博士 中级 神州医疗科技股份有限公司 课题设计、项目管理、模型设计 2 闵浩巍 341021198611010038 博士 中级 神州医疗科技股份有限公司 数据统计、模型构建、文章撰写 3 亓贞 370784198410010371 硕士 中级 神州医疗科技股份有限公司 项目管理、专家沟通、文章撰写 4 王以尚 210281197808206416 学士 中级 神州医疗科技股份有限公司 数据治理、医学药学专家访谈 5 江振荣 博士 高级 神州医疗科技股份有限公司 数据收集 6 霍勇 博士 高级 北京大学第一医院 项目顾问、模型设计指导

1针对中国患者人群，基于大样本中国患者数据，针对多种临床常用抗凝、抗血小板药物，建立出血风险预测模型，以期精准选择患者、指导药物使用。2.国内学术刊物发表论文1篇。

1. 自行投资促进基础医学研究与临床医学实践的转化。2. 向他人转让该科技成果。3. 许可他人使用该科技成果。4. 以该以该科技成果作价投资，折算股份或者出资比例。5. 科技成果作为合作条件，与他人共同实施转化。6. 其他协商确定的方式。