慢性鼻窦炎（CRS）是一种常见的异质性炎症性疾病，影响数百万人口，导致显著的发病率和医疗费用。由于症状与过敏性鼻炎等常见疾病重叠，且表型异质性进一步模糊了风险模式，CRS往往在常规就诊中难以早期识别。传统的预测研究通常依赖单一机构的数据集，这限制了模型在人群水平上的泛化能力。为了解决这些问题，研究人员利用美国国立卫生研究院“All of Us”研究计划的全国纵向电子健康记录（EHR）数据，基于诊断前两年的临床病史来预测CRS的诊断。
在数据分析过程中，团队面临编码EHR数据中特征极度稀疏和高维度的挑战。为此，他们设计了一种创新的混合特征选择流程，该流程结合了基于患病率的统计筛选和基于模型的重要性排序，成功将约110,000个候选医学编码压缩为100个高度可解释的特征。这种降维方法不仅保留了关键临床信息，还提升了模型的透明度和实用性。
为了捕捉不同人群之间的异质性，研究团队训练了人口分层模型，覆盖了六个成人性别和生命阶段亚组（如年轻男性、年轻女性、中年男性、中年女性、老年男性和老年女性）。针对每个亚组，他们进行了独立的超参数调优，以确保模型能够适应特定人群的风险模式。结果显示，该框架的整体AUC达到了0.8461，比最佳基线模型提高了0.0168，表明其具备优秀的判别能力。
这项研究的发现具有重要的临床意义。它表明，常规收集的EHR数据可以支持具有人群代表性的CRS风险分层，从而帮助初级保健医生在疾病早期进行更准确的分诊和转诊优先排序。论文已被IEEE医学与生物学工程学会（EMBC）2026会议接收，作者包括Sicong Chang、Yidan Shen等，其中Chang和Shen为共同第一作者。这一方法有望在未来整合到临床决策支持系统中，改善慢性鼻窦炎的管理和患者预后。