周密¹ 李洁韵¹ 林洁琪¹ 肖欣昂¹ 夏雨墨² 王庆盛³ 许朝霞^1,4,5

1，上海中医药大学中医学院，上海，201203,

2 ，上海安吉门诊部，上海201203

3 ，日喀则人民医院中西医结合科，西藏，857012

4，上海健康辨识与评估重点实验室，上海，201203

5 ，上海广德中医门诊部，上海201203

摘要 目的：这项回顾性队列研究旨在分析1293名确诊为冠心病患者心肌损伤标志物、舌象参数与再发心血管不良事件（MACE）之间的关系。方法：本研究是一项回顾性队列研究，收集了2023年1月1日至2024年12月31日期间在上海市岳阳中西医结合医院、曙光医院心内科等确诊为冠心病患者数据，所有患者根据随访结果是否存在MACE被分为两个不同的组，使用SMX System 2.0对每位患者的舌图像进行归一化采集，并将舌体（TC_）和舌苔（CC_）数据转换为RGB和HSV模型参数。使用了五种有监督的机器学习分类器（XGBoost、logistic、KNN、LightGBM、AdaBoost等）建立冠心病MACE预测模型。结果：本研究最终纳入了1293名患者，279例（21.6%）参与者发生了MACE。采用SMOTE方法进行样本平衡后，非参数检验发现两组患者的影像学指标、部分心肌损伤标志物、舌象参数存在显著差异：LDH,MYO,TC_ROOT_R,TC_ROOT_G等（P<0.05）；XGBoost、LightGBM模型的预测能力最高（验证集AUC值均高于0.97）；结合SHAP值揭示了特征的重要性，并提供了一个量化指标来评估每个特征对预测结果的贡献；最后根据MACE具体事件进行亚组分析。结论：该研究在预测MACE方面的潜在应用提供了启示，未来的研究可以扩展优化预测模型，并探索在其他心血管疾病中的应用。 

关键词：机器学习；冠心病；再发不良心血管事件；心肌损伤标志物；舌象；预测模型