医疗 AI 败血症预测：从数据到模型部署的 Python 全流程实战

项目总结与完整 Python 程序

通过系统学习，我们已掌握经典机器学习算法在医疗场景中的核心原理与应用。从数据处理、特征工程到模型评估、可解释性分析，再到不平衡问题处理与模型融合，技术栈已覆盖全面。本章以 ICU 败血症早期预警系统为例，将上述知识整合为一个统一的 Python 程序，演示从问题定义到模型部署的端到端流程。

该模板涵盖了以下关键环节：

• 数据模拟：生成符合 MIMIC-III 分布的模拟数据集
• 预处理与特征工程：清洗缺失值、标准化及关键特征构建
• 多模型训练：逻辑回归、随机森林、XGBoost 对比
• 模型融合：采用 Stacking 策略提升泛化能力
• 超参数调优与不平衡处理：SMOTE 采样与网格搜索
• 模型评估：AUC、PR AUC、分类报告及混淆矩阵
• 可解释性分析：利用 SHAP 值解析模型决策依据
• 阈值选择与决策曲线：平衡临床收益与风险
• 模型保存与 API 示例：实现简单的服务接口

该程序结构清晰，可直接运行（需安装相关库），非常适合作为医疗 AI 项目的开发模板。

完整 Python 程序

下面是一个完整的脚本框架。为了便于理解，我将代码按功能模块进行了划分，并在关键步骤添加了注释说明实际工程中需要注意的细节。

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier, StackingClassifier
from xgboost import XGBClassifier
from imblearn.over_sampling import SMOTE
from sklearn.metrics import roc_auc_score, classification_report, confusion_matrix
import shap
import joblib

# 1. 模拟生成符合 MIMIC-III 分布的数据集
# 实际项目中请替换为真实数据加载逻辑
def generate_mimic_data(n_samples=):
    
    data = {
        : np.random.randint(, , n_samples),
        : np.random.normal(, , n_samples),
        : np.random.normal(, , n_samples),
        : np.random.normal(, , n_samples),
        : np.random.normal(, , n_samples),
        : np.random.choice([, ], n_samples, p=[, ]) 
    }
     pd.DataFrame(data)


 ():
    df = df.dropna() 
    features = [, , , , ]
    X = df[features]
    y = df[]
    
    scaler = StandardScaler()
    X_scaled = scaler.fit_transform(X)
     X_scaled, y, scaler


 ():
    
    lr = LogisticRegression(max_iter=)
    rf = RandomForestClassifier(n_estimators=, random_state=)
    xgb = XGBClassifier(use_label_encoder=, eval_metric=)
    
    
    smote = SMOTE(random_state=)
    X_resampled, y_resampled = smote.fit_resample(X_train, y_train)
    
    
    stacking_clf = StackingClassifier(
        estimators=[(, lr), (, rf), (, xgb)],
        final_estimator=LogisticRegression(),
        cv=
    )
    stacking_clf.fit(X_resampled, y_resampled)
     stacking_clf


 ():
    y_pred = model.predict(X_test)
    y_prob = model.predict_proba(X_test)[:, ]
    
    ()
    ()
    (classification_report(y_test, y_pred))
    ()
    (confusion_matrix(y_test, y_pred))


 ():
    explainer = shap.TreeExplainer(model.estimators_[-]) 
    shap_values = explainer.shap_values(X_sample)
    shap.summary_plot(shap_values, X_sample)


 __name__ == :
    
    df = generate_mimic_data()
    X, y, scaler = preprocess_data(df)
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=, stratify=y)
    
    
    model = train_models(X_train, y_train)
    
    
    evaluate_model(model, X_test, y_test)
    
    
    joblib.dump(model, )
    joblib.dump(scaler, )