在当前的临床实践中，绝经后子宫内膜的疾病管理，特别是无症状的绝经后子宫内膜增厚的疾病管理仍不理想，导致部分女性在绝经后进行了非必要的宫腔镜手术和诊断性刮宫，这给她们带来了生理和心理的双重负担。近年来，绝经后子宫内膜疾病发病率逐年攀升，且患者群体呈现出年轻化的趋势，给临床诊疗带来了更大的挑战。

近日，由北京大学人民医院祝洪澜教授团队（其他主要成员：赖晋）和北京大学重庆大数据研究院周晓华教授团队（其他主要成员：黄新霆、饶博）联合撰写的科研论文Postmenopausal endometrial non-benign lesion risk classification through a clinical parameter-based machine learning model在SCI期刊Computers in Biology and Medicine（影响因子7.7）发表。

北京大学人民医院祝洪澜教授团队拥有丰富的妇产科临床经验，一直致力于深入研究绝经后女性子宫内膜病变的影响因素与发病机理。在传统医学研究方法以外，祝洪澜教授团队与周晓华教授团队合作，基于收集的大量绝经后女性子宫内膜病变的数据与诊疗记录，探求运用大数据、机器学习等技术，挖掘真实世界临床数据中隐含的医学规律。

北京大学人民医院为本研究提供了医学知识支持和数据支撑。该团队根据多年临床经验与医学文献挑选潜在因素，采集了覆盖2010年1月到2022年10月间的1000例符合纳入标准的回顾性临床病例，作为因素分析、模型训练与验证的数据集。同时，采集了152例符合纳入标准的前瞻性临床病例数据，作为模型评估与对比的高质量测试集。

北京大学重庆大数据研究院发挥技术优势，承担本研究的数据处理和分析工作。该团队完成了全流程的数据清洗、数据填补、模型建模与训练、模型对比分析，最终共得到57个特征变量、5种机器学习模型及其集成模型。其中，表现最优的随机森林模型在测试集上得到的敏感度为88.1%，AUC值为0.93。

本研究构建了多个机器学习模型及其集成模型，为医院提供了用于识别绝经后子宫内膜非良性病变风险较高患者的新方法，帮助医院开展定制化的筛查和临床干预。