编辑推荐：
新冠疫情后，急慢性肾病（CKD、AKI）风险预测存在空白。研究人员利用美国国家电子健康记录（EHR）和机器学习（ML）算法开展研究。结果显示最终模型预测性能良好，还开发了临床应用程序。这为肾病预测和临床诊疗提供了新途径。
在全球新冠疫情的大背景下，健康领域面临着诸多新挑战。慢性肾病（CKD）在人群中广泛存在，在美国，2021 年约有 15% 的成年人，也就是 3700 万人患有 CKD ，但令人担忧的是，高达 90% 的患者可能并未察觉自身患病 。CKD 早期往往没有明显症状，很多患者直到病情发展到终末期肾病（ESRD）才被发现，此时往往需要透析或肾移植等治疗手段，给患者带来极大痛苦和经济负担。急性肾损伤（AKI）同样不容小觑，约 20% 的美国住院患者会受到影响 ，而且 AKI 若不能及时诊断，会增加住院死亡率、延长住院时间，还可能发展为 CKD 或 ESRD 。
此前的机器学习（ML）研究在预测肾病风险方面存在不少问题。比如，新冠疫情成为肾病重要风险因素后，多数 ML 算法因训练数据早于 2020 年，未能将其纳入考量；利用电子健康记录（EHR）的 ML 预测模型，缺乏像传统队列研究那样详细的队列构建和变量识别；计算机科学专家主导的研究，常重算法而轻临床意义和实际应用；样本量有限导致模型普适性不足；且研究成果很少转化为临床实用方案。
为解决这些问题，美国宾夕法尼亚州立大学医学院（Penn State College of Medicine）的研究人员开展了一项极具意义的研究。他们利用 TriNetX 研究网络的美国国家电子健康记录数据，模拟前瞻性队列研究，旨在预测新冠疫情后 AKI 和 CKD 的短期（1 个月）和长期（1 年）发病风险，评估将新冠感染史纳入预测指标的必要性，并开发临床实用的网页应用程序。
研究人员采用了一系列关键技术方法。首先，从 TriNetX 获取数据，构建包含 104,565 名患者的队列。通过设定筛选标准，排除不符合要求的患者，确保数据准确性。利用多种方法处理缺失数据和类别不平衡问题，如通过模拟数据集对比选择 XGBoost 默认设置进行缺失值填补，采用上采样（SMOTE 技术）和下采样平衡训练数据集。运用 8 种 ML 模型，包括自适应提升（AdaBoost）、极端梯度提升（XGBoost）等，结合 10 折交叉验证和自动网格搜索进行模型训练和调优。综合模型驱动、数据驱动和临床驱动的方法进行特征选择，确定最终模型。最后，基于 R Shiny 框架开发网页应用程序。
在研究结果方面：
- 患者基本情况：研究共纳入 104,565 名患者，其中大部分患者（101,870 名）在随访期间未出现肾病，少部分患者分别在 1 个月或 1 年内发展为 AKI 或 CKD。CKD 患者的估算肾小球滤过率（eGFR）在 1 个月和 1 年预测窗口中均最低。
- 变量重要性评估：通过评估，发现预测 AKI 时，前一年住院次数、eGFR 和血尿素氮（BUN）较为重要；预测 CKD 时，eGFR、肌酐清除率（CrCL）和住院次数较为关键。此外，BMI、血压、年龄、性别和新冠感染次数等因素也具有重要意义。
- 模型性能评估：综合比较后，确定 9 个特征的模型表现最佳。XGBoost 在预测 1 个月 AKI（AUROC = 0.803）、1 年 AKI（AUROC = 0.799）和 1 年 CKD（AUROC = 0.894）时表现最优；随机森林（RF）在预测 1 个月 CKD（AUROC = 0.896）时表现最佳。
- 网页应用开发：开发了名为 AIBI APP 的网页应用程序，用户输入 9 个选定变量值即可获取 AKI 和 CKD 的风险预测结果，且应用程序提醒使用者预测仅供辅助，不能替代专业诊断。
研究结论和讨论部分指出，该研究证实了利用大规模 EHR 数据和先进 ML 模型预测肾病风险的可行性。新冠感染次数纳入模型提升了预测性能，在未来肾病预测模型中应予以考虑。但研究也存在局限性，如 TriNetX 数据集的代表性问题、EHR 数据可能导致的偏倚、无法预测肾病不同阶段等。不过，该研究成果仍具有重要意义，为临床医生预测患者肾病风险提供了有力工具，有助于及时监测和干预，同时也为后续研究提供了方法学参考，推动了肾病预测领域的发展。这一研究成果发表在《eBioMedicine》上，为全球健康医学领域提供了宝贵经验。
