基于机器学习算法构建与评估急性肾损伤患者连续性肾脏替代治疗后的肾功能恢复预测模型

《Annals of Medicine》：Construction and evaluation of prediction model for renal function recovery in acute kidney injury patients undergoing continuous renal replacement therapy based on machine learning algorithms

本研究创新性地整合MIMIC-IV数据库与临床中心数据，运用十种机器学习算法构建急性肾损伤（AKI）患者接受连续性肾脏替代治疗（CRRT）后肾功能恢复的预测模型。通过LASSO回归筛选出基线肌酐、心房颤动、阴离子间隙等六个关键特征，最终确立Lasso-LR模型为核心预测工具（训练集AUROC=0.774，验证集AUROC=0.748），并开发可视化列线图与动态预测工具，为临床早期干预提供数据驱动决策支持。

　　

研究背景与意义

急性肾损伤（AKI）是危重症患者常见并发症，发病率高达30-60%，且与死亡率上升显著相关。需要接受连续性肾脏替代治疗（CRRT）的AKI患者病情更为危重，死亡率超过50%。尽管CRRT能替代肾脏功能，但患者肾功能恢复情况不佳，约四分之一存活者会发展为急性肾脏疾病，三分之一在五年内进展为慢性肾脏病（CKD），严重影响预后和生活质量。目前研究多聚焦于AKI早期预测和死亡率模型，对CRRT治疗后肾功能恢复的预测研究较为缺乏。随着电子健康记录和人工智能（AI）在医疗领域的应用，利用机器学习（ML）算法构建预测模型成为可能。

数据来源与研究方法

本研究采用回顾性设计，数据来源于MIMIC-IV数据库（2008-2019年）和湖州市中心医院（2019年6月-2022年12月）。纳入标准为首次入住ICU、符合KDIGO诊断标准的成年AKI患者并接受CRRT治疗；排除年龄<18岁、多次ICU入院、终末期肾病、入住ICU<24小时及数据缺失者。最终训练队列758人，外部验证队列320人。肾功能恢复定义为存活出院且停止透析后14天内无需肾脏替代治疗。

通过PostgreSQL和Navicat软件提取数据，包括人口统计学特征、慢性病史、实验室指标、药物治疗及疾病严重程度评分。对缺失值低于20%的变量采用多重插补处理。使用LASSO回归和LightGBM进行特征筛选，最终通过10折交叉验证确定六个显著特征：基线肌酐、心房颤动、CRRT停止前48小时阴离子间隙、停止前24小时尿量（少尿状态）、停止前48小时机械通气和去甲肾上腺素使用情况。

模型构建与评估

将筛选出的特征输入十种机器学习模型：LASSO逻辑回归（Lasso-LR）、决策树（DT）、岭回归（RR）、K近邻（KNN）、LightGBM、随机森林（RF）、XGBoost、支持向量机（SVM）、神经网络（NN）和集成学习模型。采用5折交叉验证进行参数调优，以受试者工作特征曲线下面积（AUROC）、校准曲线和决策曲线分析（DCA）评估模型性能。

结果发现，在外部验证队列中，神经网络模型AUROC最高（0.754），但校准曲线显示拟合不佳（Brier Score=0.171）。Lasso-LR模型AUROC为0.748，且校准效果最优（Brier Score=0.139），因此被选为最终预测模型。基于多因素逻辑回归结果构建列线图，并开发动态预测平台（https://perfecticudoctor.shinyapps.io/renalfunctionrecovery/）。

特征影响分析

SHAP方法可视化显示，基线肌酐升高、合并心房颤动、CRRT停止前阴离子间隙增高、少尿、使用机械通气和去甲肾上腺素治疗与肾功能恢复呈负相关；而停止前24小时尿量≥400ml则正向预测恢复可能性。特征重要性排序依次为：去甲肾上腺素使用、心房颤动、尿量、机械通气、阴离子间隙和基线肌酐。

模型验证与临床应用

列线图在训练队列和验证队列的AUROC分别为0.774（95% CI: 0.735–0.814）和0.748（95% CI: 0.685–0.812）。决策曲线分析表明，在0.05–0.50阈值概率范围内，模型具有良好临床适用性。校准曲线显示预测概率与实际概率基本一致（训练队列Brier Score=0.126，验证队列=0.139）。

讨论与展望

本研究首次系统构建了CRRT治疗后肾功能恢复的机器学习预测模型，筛选出可干预（阴离子间隙、尿量、机械通气及血管活性药物使用）和不可干预（基线肌酐、心房颤动）风险因素。结果表明，纠正酸中毒、优化血流动力学监测及尿量管理可能改善预后。局限性包括回顾性研究的固有偏倚、缺乏新型生物标志物（如NGAL、胱抑素C）及肾脏血流动力学参数，且校准效果有待提升。未来需开展多中心前瞻性研究整合多组学数据，优化模型预测性能，并关注长期肾功能转归。

结论

Lasso-LR模型基于六个临床特征构建的列线图工具具有良好的 discriminative ability、校准度和临床实用性，可作为CRRT治疗AKI患者肾功能恢复的早期评估工具，助力临床决策和个体化干预。