基于机器学习算法预测危重急性肾损伤患者连续性肾脏替代治疗后的肾功能恢复：一项系统回顾与Meta分析

本综述系统评估了机器学习（ML）算法在预测危重急性肾损伤（AKI）患者接受连续性肾脏替代治疗（CRRT）后肾功能恢复的应用价值。研究通过LASSO回归筛选出基线肌酐、心房颤动、停药前48小时阴离子间隙、24小时尿量及机械通气与去甲肾上腺素使用等关键预测因子，并构建了高性能的预测模型（AUROC训练集0.774，验证集0.748）。该模型为临床早期评估CRRT患者肾功能恢复提供了重要工具。

　　

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%，且与死亡率增加密切相关。约5-15%的AKI患者需要接受肾脏替代治疗（RRT），其中血流动力学不稳定的危重患者多采用连续性肾脏替代治疗（CRRT）。研究表明，部分AKI患者肾功能恢复不佳，约四分之一幸存者会发展为急性肾脏疾病，三分之一在5年内发展为慢性肾脏病（CKD）。因此，对接受CRRT的危重AKI患者进行肾功能恢复预测具有重要临床意义。

研究方法与数据来源

本研究采用回顾性研究设计，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）。共纳入1078例接受CRRT的AKI患者，其中训练集758例，外部验证集320例。肾功能恢复定义为患者存活出院且至少14天无需RRT治疗，恢复率为18.18%（n=196）。

研究收集了患者的人口学特征、慢性病史、实验室检查结果、用药记录、疾病严重程度评分和结局等68个特征变量。采用多重插补法处理缺失值，并通过LASSO回归和LightGBM特征重要性分析进行特征筛选。

特征筛选与模型构建

通过LASSO回归结合10折交叉验证（λ=0.040），最终筛选出6个显著影响肾功能恢复的特征：基线肌酐、心房颤动、CRRT停止前48小时阴离子间隙、停止前24小时少尿状态（尿量<400ml），以及停止前48小时内是否接受机械通气和去甲肾上腺素治疗。

基于这6个特征，研究构建了10种机器学习模型，包括：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。

模型性能评估

在训练集中，所有模型的AUROC均超过0.75，其中集成模型表现最佳（AUROC=0.915），岭回归模型最低（AUROC=0.763）。在外部验证集中，神经网络模型AUROC最高（0.754），Lasso-LR模型次之（0.748），岭回归模型第三（0.747）。

考虑到校准曲线表现，Lasso-LR模型和LightGBM模型在外部验证集中校准最佳（Brier评分=0.139）。因此研究选择Lasso-LR模型作为最终的临床风险预测模型，并基于此构建了列线图。

模型可视化与解释

通过SHAP方法对Lasso-LR模型进行解释和可视化。特征重要性排序显示：停止前48小时内去甲肾上腺素治疗、心房颤动、停止前24小时尿量、停止前48小时内机械通气、停止前48小时阴离子间隙和基线肌酐水平是影响肾功能恢复的关键因素。

部分依赖图分析表明：基线肌酐水平升高、合并心房颤动、停止前48小时阴离子间隙增高、存在少尿以及接受机械通气和去甲肾上腺素治疗，都会降低CRRT患者肾功能恢复的可能性。

列线图构建与验证

基于多因素逻辑回归分析结果，研究构建了预测CRRT患者肾功能恢复的列线图模型。该列线图在训练集中的AUROC为0.774（95%CI：0.735-0.814），在外部验证集中为0.748（95%CI：0.685-0.812）。

决策曲线分析（DCA）显示，在0.05-0.50的阈值概率范围内，列线图在训练集和验证集中均具有显著的临床实用性。校准曲线表明预测概率与实际概率基本吻合（训练集校准斜率1.000，Brier评分0.126；验证集校准斜率0.882，Brier评分0.139）。

临床意义与应用价值

本研究开发的预测模型为临床早期评估CRRT患者肾功能恢复提供了重要工具。模型中识别出的可改变风险因素（阴离子间隙、尿量、机械通气和去甲肾上腺素使用）提示临床应关注酸中毒纠正、血流动力学优化和尿量监测。不可改变风险因素（基线肌酐和心房颤动）则有助于识别高风险人群并优化AKI治疗策略。

此外，研究还开发了动态列线图（https://perfecticudoctor.shinyapps.io/renalfunctionrecovery/），方便临床医生实时评估患者肾功能恢复可能性。

研究局限与展望

本研究为回顾性研究，存在固有偏倚。部分基线肌酐值通过MDRD方程反算获得可能引入偏差。未考虑液体超负荷、CRRT治疗模式和时间、治疗中低血压等因素的影响。缺乏新型肾脏损伤生物标志物（如NGAL和胱抑素C）和肾脏动脉阻力指数等参数。

未来研究应纳入更多影响因素和新型生物标志物，优化模型参数，并进行长期随访以验证模型的长期预测价值。同时，需要在更多不同种族人群中进行外部验证，提高模型的泛化能力。

结论

通过Lasso-LR模型筛选出的六个特征构建的列线图模型，在预测危重AKI患者CRRT后肾功能恢复方面表现出良好的判别性能、预测价值和临床适用性。该模型可作为辅助工具，帮助医护人员早期评估患者预后，优化临床决策，改善患者长期肾脏结局。