编辑推荐：
来自伊朗的研究人员开展关于肝硬化患者自发性细菌性腹膜炎（SBP）诊断的研究，发现机器学习算法可提高诊断准确率，随机森林（RF）算法表现最佳。
自发性细菌性腹膜炎（SBP）是指在腹水存在的情况下发生细菌感染，且腹腔内没有可识别的外科感染源。这种病症常作为肝硬化的并发症出现。在因肝硬化和腹水住院的患者中，SBP 的发生率在 7% 至 30% 之间，约 54% 的患者会出现肾损伤，约 60% 会出现急性肝衰竭，不幸的是，约 40% 的病例会导致死亡。及时启动适当的经验性抗生素治疗对 SBP 的管理至关重要，准确有效的诊断在优化患者预后和预防严重并发症方面起着关键作用。有证据表明，早期使用抗生素并及时进行诊断性腹腔穿刺，可显著缩短重症监护病房（ICU）和住院时间，降低住院死亡率和 3 个月死亡率。此外，重视准确诊断、识别风险因素以及合理安排预防措施的时机和选择，对于减少 SBP 背景下耐药菌的产生至关重要。
诊断 SBP 具有挑战性，因为它可能不会出现发烧或白细胞增多等典型症状和体征，所以高度怀疑对于及时诊断和治疗至关重要。SBP 有两种不同的表现形式：一种是渐进性、无症状的定植，称为菌腹水；另一种是迅速恶化的败血症综合征，死亡率很高。SBP 患者可能会出现多种症状和体征，包括发烧、精神状态改变、腹部压痛、胃肠道出血、寒战、恶心或呕吐。一项研究显示，SBP 患者中最常观察到的表现是发烧（68%）、精神状态改变（61%）和腹部压痛（46%）。然而，一些专家指出，经腹腔穿刺确诊的 SBP 患者中，多达 30% 可能没有任何症状。鉴于 SBP 的表现形式多样，且可能与肝硬化常见的其他病症（如肝性脑病）存在重叠，下面概述的全面准确评估对于正确诊断至关重要。
SBP 的诊断依据是细菌培养结果呈阳性，且腹水中的中性粒细胞计数超过 250 cells/mm3，同时排除任何可通过手术治疗的腹腔内感染。不过，腹水中中性粒细胞计数正常但血培养呈阳性的情况较少见，这种情况被称为菌腹水。对于有腹水的肝硬化患者，也可以使用各种诊断标志物来判断是否存在 SBP，例如腹水中蛋白质浓度低（<1.5 g/dL），并结合 Child-Pugh 评分≥9、血清胆红素水平≥3 mg/dL、肾功能受损（肌酐≥1.2 mg/dL 或血尿素氮水平≥25 mg/dL）或低钠血症（≤130 mEq/L）等特征。此外，乳铁蛋白是一种可靠的标志物，在有效区分 SBP 复杂病例和非复杂病例方面，其敏感性为 95.5%，特异性为 97%。然而，其他标志物，如腹水 pH 值、乳酸脱氢酶（LDH）和乳酸，尽管存在于腹水中，但并不具备足够的预测或区分能力，在与恶性肿瘤相关的腹水中可能会升高。
在过去十年中，人工智能（AI）算法彻底改变了胃肠病学和肝病学领域，尤其是在准确和自动化诊断方面。AI 算法能够识别可能被人类专家忽略的模式和特征，从而实现更可靠、更精确的诊断，进而改善患者预后并降低医疗成本。例如，基于深度学习的 AI 算法可以从超声图像中准确诊断肝脏局灶性病变，并预测肝细胞癌切除术后患者的生存率。此外，AI 可以有效地对胃肠道病变进行分类，高精度地区分肿瘤性和非肿瘤性病变，特别是在区分恶性和癌前结直肠息肉方面。AI 还被用于开发客观评分系统，用于肝纤维化等疾病的风险分层和预测治疗反应。据了解，这项研究首次展示了智能计算模型应用范围的扩大，以提高肝硬化患者 SBP 的诊断准确性和有效性。特别是，该研究整合了更广泛的数据类别，如临床变量和实验室值，以提高诊断准确性。
这项回顾性队列研究纳入了 2022 年 4 月至 2023 年 4 月期间在伊朗德黑兰塔莱加尼医院住院的 149 例疑似 SBP 的肝硬化患者。研究的纳入标准如下：（I）存在肝硬化并伴有腹水；（II）临床怀疑为 SBP，表现为大量腹水和新发腹痛；（III）通过腹水白细胞（WBC）计数和培养确诊；（IV）其他器官或部位无感染。
在本研究中，评估了 5 种机器学习算法 —— 决策树（DT）、支持向量机（SVM）、朴素贝叶斯（NB）、K 近邻（KNN）和随机森林（RF），以区分患有和未患有 SBP 的肝硬化患者。通过特异性、准确性、敏感性和 F 值等指标呈现的研究结果，强调了这些算法在提高 SBP 诊断准确性方面的临床重要性和实用性。该研究突出了 SBP 患者和非 SBP 患者腹液成分的显著差异，这对于临床诊断十分关键。
比较分析结果表明，机器学习算法有潜力提高肝硬化患者 SBP 的诊断准确性。在评估的各种分类器中，RF 算法表现最佳，准确率为 86%，特异性为 100%，使其成为最具临床应用前景的工具。确定的临界值，即腹水 WBC 计数、LDH 水平和多形核中性粒细胞（PMN）计数，对临床评估至关重要。RF 算法能够有效整合多种数据，为 SBP 的准确诊断提供了有力支持。
本研究由伊朗德黑兰的沙希德?贝赫什提医科大学（Shahid Beheshti University of Medical Sciences）资助（编号：IR.SBMU.RIGLD.REC.1399.054）。
研究设计：Hamidreza Houri、Babak Khorsand
数据收集：Mohsen Rajabnia、Ali Jahanian、Mobin Fathy
统计分析：Babak Khorsand
数据解读：Hamidreza Houri、Mohsen Rajabnia
稿件撰写：Hamidreza Houri、Mohsen Rajabnia
文献检索：Somayye Taghvaei
资金筹集：Hamidreza Houri
支持本研究结果的数据可在合理请求下，从相应作者 H.H. 处获取。
在撰写本文过程中，作者未使用任何人工智能辅助技术。
作者声明不存在可能影响本文所报告工作的已知财务利益冲突或个人关系。
感谢伊朗德黑兰沙希德?贝赫什提医科大学胃肠病学和肝病研究所的成员。作者也非常感谢 Mohammad Reza Zali 教授的支持。
