Целью является построение и верификация диагностической модели с использованием машинного обучения для пациентов с синдромом сердца-почки-обмена веществ (CKM) и тяжелым коронарным стенозом с точки зрения традиционной китайской и западной медицины, чтобы предоставить клиническую поддержку принятия решений для пациентов с пограничными поражениями. Методика базируется на ретроспективном дизайне исследования, включающем 535 госпитализированных пациентов из двух независимых отделений: основного отделения больницы традиционной китайской медицины провинции Цзянсу (январь - август 2024 года) и отделения Цзыдун (сентябрь - декабрь 2024 года). Данные основного отделения были случайным образом разделены в пропорции 4:1 на обучающую выборку (376 случаев) и внутреннюю валидационную выборку (95 случаев), данные отделения Цзыдун использовались для внешней валидации (64 случая). Факторы риска отбирались с помощью обзора литературы, экспертных интервью и анализа с применением метода наименьшего абсолютного сжатия и выбора (LASSO). Для построения диагностических моделей использовались 9 методов машинного обучения. Проводилось сравнение часто используемых оценочных индексов, калибровочных кривых и кривых принятия решений с внутренней и внешней валидацией для отбора моделей. Использовался метод аддитивной интерпретации SHAP, дополненный двумя случаями, для помощи в понимании логики работы оптимальной модели. В итоге оптимальная модель была применена к пациентам с пограничными поражениями, и оценена диагностическая эффективность. Результаты: LASSO-регрессия выявила 9 факторов риска: мокрота, застой, дефицит, истощение, длительность гипертонии, пол, индекс атеросклероза (ASI), отношение мочевой кислоты к холестерину высокой плотности (UHR), гликированный гемоглобин (HbA_1c). По многим критериям лучшей моделью оказался лёгкий градиентный бустинг (LightGBM) с площадью под ROC-кривой (AUC) 0,918 [95% ДИ 0,890–0,945] в обучающей выборке, 0,885 (95% ДИ 0,820–0,951) во внутренней валидации и 0,897 (95% ДИ 0,818–0,975) во внешней валидации. Калибровочные кривые показывают согласованность прогноза, а кривые решений — клиническую пользу при пороговой вероятности менее 90%. Ранг важности SHAP следующий: застой, истощение, кровяной застой, HbA_1c, пол, мокрота, длительность гипертонии, ASI, UHR. При применении модели к пациентам с пограничными поражениями AUC составила 0,783 (95% ДИ 0,637–0,930), при этом 73% пациентов с фактически тяжелым стенозом могли получить выгоду. Заключение: ориентированная на клиническую ценность, построенная модель диагностики с китайской и западной медициной обладает хорошей эффективностью и может служить основой для клинического лечения и принятия решений у пациентов с CKM.

синдром сердца-почки-обмена веществ;коронарный стеноз;пограничные поражения;диагностическая модель;машинное обучение