饮茶对胃肠道疾病风险的双重作用:基于可解释机器学习与大语言模型的联合预测辅助模型
陈君尧1
陈泽宇2
林钊杰1
方梦浩1
沈超英3
许琦4
张晓怡5
卢鲁1
1.天津大学卫生应急学院,天津 3000722.安溪县中医院 消化内科,福建 泉州 3624003.安溪县中医院 消化内镜中心,福建 泉州 3624004.锦州开放大学开放教育学院,辽宁 锦州 1210005.河南理工大学建筑与艺术设计学院,河南 焦作 454000
摘要：目的 探究饮茶、饮酒等生活习惯对胃肠疾病的影响与关联关系,并以此建立胃肠疾病早期风险预测和辅助问诊大模型,实现早期胃肠道疾病高风险识别与智能诊疗推荐.方法 对安溪县中医院消化内镜中心同时进行胃镜检查与13C尿素呼气试验的患者进行调查研究.先对数据进行标量分析,以确定特征选取是否合适.将数据按7∶3随机分为训练集和测试集,应用人工智能和机器学习方法:支持向量机、K近邻、逻辑回归、随机森林极限梯度提升和深度神经网络(DNN),以寻找最佳分类器用于预测胃肠道高风险病症.使用贝叶斯优化算法,获取6种模型的最优超参数组合,进行模型拟合,并应用Shapley加法解释方法对最佳模型进行可解释性分析.选用DeepSeek-R1为基础语言模型,利用胃肠病与中文医疗在线问诊数据集进行参数微调,构建更契合临床实际需求的胃肠疾病问诊大语言模型.结果 本次调查纳入502人,所选取特征与肠胃疾病均具有一定关联性,但仅有年龄特征与胃肠道疾病呈线性相关性(β=0.023,SE=0.008,t=2.942,P=0.003).最佳模型为DNN模型,其准确率为0.68、精确性为0.68、召回率为0.85、F1值为0.75、AUC为0.74.基于DNN模型进行特征重要性排序,前3名为年龄、DOB值和烟龄;构建大语言模型与实际专业医师根据胃镜检查结果所提供的建议高度一致.结论 基于DNN机器学习方法构建的胃肠疾病风险预测模型最佳,可为临床胃肠道疾病进行风险预测并对是否进行胃肠镜检查提供可靠依据,同时表明预防胃肠道疾病发生需禁烟少酒、合理饮茶.构建的肠胃问诊大语言模型可为患者提供更为专业的医学指导,具有较强的临床实用价值.
关键词：胃肠道疾病幽门螺旋杆菌机器学习风险预测大语言模型
资助基金：深圳市医疗卫生三名工程项目(SZSM202411032)
论文发表日期：2026-02-20
在线出版日期：2026-03-04（本平台首次上网日期，不代表文献的发表时间）
页数：9( 353-361 )
英文信息