机器学习辅助诊断模型在早期急性肾损伤风险预警中的临床应用

##plugins.themes.bootstrap3.article.main##

强 孙
晓燕 吴
建平 高

摘要

急性肾损伤在重症监护早期常隐匿进展,传统临床指标滞后性强,难以实现风险前置干预。本研究构建一种融合多源时序生理数据与可解释机器学习的预警模型,基于真实世界ICU电子病历数据开展端到端实证验证。模型整合血流动力学、实验室检验及用药序列特征,采用时间注意力机制提取关键病理窗口,并通过SHAP值量化特征贡献度。在独立测试集上,模型对48小时内发生AKI的风险预测AUC达0.892,敏感度83.7%,特异度86.1%,较现行KDIGO标准提前平均13.2小时发出高危预警。结果表明该模型具备临床可部署性,能有效支持医护团队实施分级干预策略。

##plugins.themes.bootstrap3.article.details##

栏目

Articles

参考

[1] 罗小琴, 严萍, 张宁亚, 等. 机器学习用于脓毒症危重症患者急性肾损伤中短暂性与持续性早期鉴别[J]. Scientific Reports, 2021, 11(1): 20269.

[2] 孙浩, 赵昌武, 金永哲, 等. 基于网络的机器学习算法预测全膝关节置换术后急性肾损伤[J]. Knee Surgery Sports Traumatology Arthroscopy, 2020, 30(2): 545-554.

[3] 张晓红, 陈思颖, 赖坤梅, 等. 机器学习预测急性脑血管病危重症患者急性肾损伤的研究[J]. Renal Failure, 2022, 44(1): 43-53.

[4] MARTINEZ D A, LEVIN S R, KLEIN E Y, et al. 应用机器学习方法分析电子健康档案数据在急诊科早期预测急性肾损伤[J]. Annals of Emergency Medicine, 2020, 76(4): 501-514.

[5] CHARPEK M M, KARI K A, EDELSON D P, et al. 急性肾损伤机器学习风险评分的内部与外部验证[J]. JAMA Network Open, 2020, 3(8): e2012892.

[6] 蒋廷典. 危重症急性肾损伤患者预后预测模型研究[J]. Advances in Clinical Medicine, 2025, 15(06): 1831-1839.

[7] 陈祥发, 赵兴阳, 葛树旺, 等. 基于机器学习预测老年住院患者急性肾损伤的发生[J]. DOAJ (DOAJ: Directory of Open Access Journals), 2025.

[8] 张艺涵, 杨东, 刘子峰, 等. 一种可解释的监督式机器学习预测器用于成人尸体供肝移植后急性肾损伤预测[J]. Journal of Translational Medicine, 2021, 19(1): 321.

[9] HUANG C X, MURUGIA K, MAHAJAN S, et al. 利用机器学习技术增强经皮冠状动脉介入治疗后急性肾损伤风险预测:一项回顾性队列研究[J]. PLoS Medicine, 2018, 15(11): e1002703.

[10] DONG H, FENG T, CHHETRI B C, et al. 机器学习模型用于儿童危重症早期急性肾损伤预测[J]. Critical Care, 2021, 25(1): 288.

[11] 宋璇, 刘欣妍, 刘菲, 等. 机器学习与逻辑回归模型预测急性肾损伤的比较:系统综述与荟萃分析[J]. International Journal of Medical Informatics, 2021, 151: 104484.

[12] 胡畅, 谭青, 张沁然, 等. 可解释机器学习在急性肾损伤早期预后预测中的应用[J]. Computational and Structural Biotechnology Journal, 2022, 20: 2861-2870.