基于贝叶斯网络的自适应建模方法：坦桑尼亚言语尸检数据在死因预测中的创新应用

本研究针对低收入和中等收入国家(LMICs)死因数据缺失的公共卫生挑战，开发了一种结合贝叶斯网络与医生症状-死因信息(SCI)的自适应机器学习模型。通过采用WHO 2016版言语尸检(VA)问卷和SMOTE-N数据增强技术，该模型在坦桑尼亚伊林加地区实现了97%的准确率和94%的敏感度，显著优于传统支持向量机(SVM)和朴素贝叶斯方法，为VA死因预测提供了可扩展的计算框架。

在全球范围内，仅有半数死亡案例拥有医学认证的死因记录，这一数据缺口在低收入和中等收入国家尤为显著。世界卫生组织(WHO)推广的言语尸检(Verbal Autopsy, VA)方法通过访谈逝者亲属收集临床症状信息，已成为弥补死因数据缺失的重要工具。然而，传统VA分析依赖医生人工编码，存在效率低、一致性差的问题，而现有计算机编码言语尸检(Computer-Coded Verbal Autopsy, CCVA)算法如InterVA、InSilicoVA和Tariff在预测性能上存在局限，其准确率多介于71%-90%，敏感度仅为34%-77%。这一现状促使研究者探索融合医学专业知识与机器学习优势的新型预测模型。

为提升VA死因预测的准确性与可扩展性，Mahadia Tunga等研究者开发了一种基于贝叶斯网络的自适应预测模型。该研究采用WHO 2016版VA问卷，在坦桑尼亚伊林加地区收集了2509例成人死亡数据，通过症状-死因信息(Symptom-Cause Information, SCI)框架整合医生诊断知识，并创新性地引入SMOTE-N (Synthetic Minority Oversampling Technique for Nominal Features)技术解决类别不平衡问题。研究成果发表于《International Health》，展现出97.8%的准确率与95.1%的敏感度，为VA死因预测提供了新的技术路径。

关键技术方法涵盖：基于WHO VA问卷的标准化数据采集（含坦桑尼亚本土化定制）、SMOTE-N数据增强技术处理类别不平衡、贝叶斯网络模型构建与症状-死因信息(SCI)整合、前向选择特征筛选策略，以及五折交叉验证评估框架。

数据预处理与特征工程

研究团队对伊林加地区VA数据进行多阶段预处理：首先采用最小-最大缩放器标准化数值特征，利用单无条件均值插补(SUMI)处理随机缺失值；继而通过症状拆分策略降低系统缺失导致的偏差。特征选择结合医生专业知识与Pandas profiling输出，最终保留185个关键指标，涵盖人口统计学、损伤史、医学症状等维度。

死因分类算法设计

模型通过决策流实现多阶段死因判定：优先识别损伤相关死亡（基于7天内死亡标准），继而采用贝叶斯公式计算特定疾病概率。核心算法基于条件概率推导，通过症状子集与死因的关联性建立概率图谱，其数学表达为P(Cause|S)=∑P(X_i|Z_parents(i))，其中症状变量在特定死因条件下存在条件依赖性。

模型性能验证

实验显示，贝叶斯网络模型在HIV（人类免疫缺陷病毒）和结核病(TB)分类中表现优异，但对疟疾的敏感度较低（44%），主要因发热等症状与其他疾病高度重叠。与支持向量机(SVM)和朴素贝叶斯模型相比，贝叶斯网络在准确率（提升6.9%）、F1分数（提升17.9%）等指标均显著领先。

数据增强效果分析

通过SMOTE-N平衡HIV、疟疾和结核病的样本量后，模型整体性能提升0.6%，但疟疾分类仍受症状特异性不足的制约。混淆矩阵对比表明，数据增强使结核病和疟疾的正确分类分别增加8例和7例，但“其他”类别分类精度略有下降。

该研究证实了贝叶斯网络在VA死因预测中的显著优势，其离散特性适于处理多类别医学诊断问题。模型创新性地融入医生SCI知识库与自适应机制，可通过类别规模自检适应新增死因。尽管在疟疾分类和叙事文本利用方面存在局限，但97.8%的准确率为LMICs的死因监测提供了可靠工具。研究提出的决策流框架为VA算法开发树立了新标准，其方法学启示超越死因预测领域，对混合专家系统在医疗人工智能中的应用具有示范意义。