基于 LightGBM 的巨大儿预测模型：AUC 0.920 的实现路径

研究背景

巨大儿（出生体重 ≥ 4000g）是围产期常见的高危情况，与难产、产后出血、新生儿低血糖等并发症密切相关。准确的产前预测对于临床决策具有重要意义。

本研究基于医院电子病历数据，构建了一个基于 LightGBM 的巨大儿预测模型。

数据集

核心特征

筛选后保留 15 个临床特征，包括：

• 孕前 BMI、孕期体重增长
• 孕 28 周血糖、空腹血糖
• 胎儿腹围（AC）、股骨长（FL）
• 产次、孕周、母亲身高

数据预处理

缺失值处理

采用 W-KNN（加权 K 近邻） 插补方法，相比传统均值填充保留了更多特征间的相关性。

from sklearn.impute import KNNImputer

imputer = KNNImputer(n_neighbors=5, weights='distance')
X_imputed = imputer.fit_transform(X)

类别不平衡

使用 SMOTE 过采样将正负样本比调整至 1:2。

from imblearn.over_sampling import SMOTE

smote = SMOTE(sampling_strategy=0.5, random_state=42)
X_resampled, y_resampled = smote.fit_resample(X_imputed, y)

模型开发

Optuna 超参数优化

import optuna
import lightgbm as lgb

def objective(trial):
    params = {
        'n_estimators':     trial.suggest_int('n_estimators', 100, 1000),
        'learning_rate':    trial.suggest_float('learning_rate', 0.01, 0.3, log=True),
        'max_depth':        trial.suggest_int('max_depth', 3, 10),
        'num_leaves':       trial.suggest_int('num_leaves', 20, 150),
        'min_child_samples':trial.suggest_int('min_child_samples', 10, 100),
        'subsample':        trial.suggest_float('subsample', 0.6, 1.0),
        'colsample_bytree': trial.suggest_float('colsample_bytree', 0.6, 1.0),
    }
    model = lgb.LGBMClassifier(**params, random_state=42)
    score = cross_val_score(model, X_train, y_train, cv=5, scoring='roc_auc').mean()
    return score

study = optuna.create_study(direction='maximize')
study.optimize(objective, n_trials=100)

最优参数

best_params = {
    'n_estimators':      487,
    'learning_rate':     0.0523,
    'max_depth':         6,
    'num_leaves':        63,
    'min_child_samples': 28,
    'subsample':         0.823,
    'colsample_bytree':  0.791,
}

实验结果

验证集性能

模型对比

结论

基于 LightGBM 的巨大儿预测模型在验证集上取得了 AUC 0.920 的结果，具有较好的临床应用潜力。

高 NPV（0.954）意味着该模型能有效排除非巨大儿，减少不必要的干预。

下一步将进行外部验证，并推进论文撰写。