用于预测神经外科患者不良结果的机器学习模型:肝功能标志物的潜在作用

《Frontiers in Neurology》:Machine learning model for unfavorable outcome prediction in neurosurgical patients: the potential role of liver function markers

【字体: 大 中 小 】 时间:2026年04月29日 来源:Frontiers in Neurology 2.8

编辑推荐:

  摘要 引言:神经外科疾病的早期预后预测仍然具有挑战性。本研究旨在开发一个基于机器学习的模型,以预测神经外科患者的不良结局。 方法:我们对2018年至2020年间患有创伤性脑损伤、脑内出血或动脉瘤性蛛网膜下腔出血的患者进行了回顾性队列研究。主要结局是通过改良Rankin量表评估

  摘要

引言:神经外科疾病的早期预后预测仍然具有挑战性。本研究旨在开发一个基于机器学习的模型,以预测神经外科患者的不良结局。

方法:我们对2018年至2020年间患有创伤性脑损伤、脑内出血或动脉瘤性蛛网膜下腔出血的患者进行了回顾性队列研究。主要结局是通过改良Rankin量表评估的出院时的功能状态。特征选择使用了LASSO回归和Boruta算法,保留了重叠选择的特征用于模型开发。六种机器学习算法通过Optuna进行了5折交叉验证来优化超参数。模型性能通过接收者操作特征曲线下面积(AUC)、校准曲线和决策曲线分析进行评估。使用Shapley加性解释来提高模型的可解释性。

结果:CatBoost模型的表现最佳(AUC = 0.932,准确率 = 0.879,精确度 = 0.872,召回率 = 0.810,F1分数 = 0.840,Brier分数 = 0.116),在区分能力和临床相关性方面取得了平衡。关键的预测特征包括入院时的Glasgow昏迷量表(GCS)评分、年龄以及肝功能指标,包括天冬氨酸转氨酶(AST)平均值、白蛋白平均值、碱性磷酸酶(ALKP)平均值、ALKP最大值、白蛋白最小值和ALKP首次值。入院时GCS评分较低和年龄较大预示着不良结局。较高的AST平均值、ALKP平均值和初始ALKP值,以及较低的白蛋白平均值和最小值,都与不良结局相关。

讨论:CatBoost模型通过整合神经学和肝功能指标,在预测神经外科患者的预后方面表现出色。未来需要通过多中心研究进行外部验证,并探索肝功能障碍与神经功能恶化之间的机制关联。

1 引言
神经外科疾病,包括创伤性脑损伤(TBI)和自发性脑内出血(ICH),发病率很高,是全球导致死亡和长期残疾的主要原因之一(1, 2)。众所周知,在TBI后的早期阶段建立可靠的预后评估仍然是一个重大挑战,而ICH患者的30天死亡率相对较高(≤40%)(3),其中三分之二的幸存者会出现中度至重度残疾(4, 5)。早期识别出预后不良风险的患者对于及时干预、优化治疗策略和改善临床结果至关重要。

近年来,系统器官功能障碍对神经外科预后的影响越来越受到关注,肝脏和神经功能之间的双向相互作用——“肝-脑轴”成为研究的焦点(6)。肝功能障碍通过多种相互关联的机制损害神经功能:尿素循环障碍导致高氨血症,引发星形胶质细胞肿胀和脑水肿;胆汁淤积导致基底节中锰沉积,引起类似帕金森病的症状;肠道屏障破坏和内毒素转运激活神经炎症途径,加剧血脑屏障损伤(7)。临床研究证实,肝功能指标,包括升高的丙氨酸转氨酶(ALT)/天冬氨酸转氨酶(AST)(8)、降低的白蛋白与碱性磷酸酶比值(AAPR)(9)和升高的血清碱性磷酸酶(ALKP)(10),是神经外科患者神经功能恶化和死亡率增加的风险因素。此外,血清白蛋白是一种具有抗氧化、抗炎和神经保护特性的关键肝脏合成蛋白,在预测多种神经外科疾病的不良结局方面显示出潜力(11, 12)。尽管人们对肝-脑轴的临床意义认识日益增加,但对不同神经外科人群中肝功能指标作为预后指标的全面评估仍然有限。当前的研究主要集中在特定亚型,如缺血性中风或蛛网膜下腔出血,对TBI、ICH和其他神经外科疾病的调查不足。传统的统计模型也无法捕捉肝功能指标与神经结局之间的非线性关系和复杂相互作用,导致其潜在的预后价值未能得到充分利用。在预测接受脑血管或神经内血管手术患者的结局方面,机器学习可能优于传统的临床和统计模型(13)。本研究旨在构建一个基于机器学习的预测模型,用于预测神经外科患者的不良预后,重点研究肝功能指标在模型中的预测价值及其对模型性能的提升作用。

2 方法
2.1 研究人群
这项回顾性队列研究包括2018年1月至2020年12月期间在中国天津医科大学总医院神经外科就诊的所有连续患者(≥16岁),这些患者被诊断为TBI、ICH或动脉瘤性蛛网膜下腔出血(aSAH)。纳入标准为:(1)主要诊断为TBI、ICH或aSAH需要住院治疗;(2)入院时有肝功能检测结果;(3)出院时有使用改良Rankin量表(mRS)记录的功能结局。排除标准包括:(1)既往患有严重肝病(肝硬化、乙型或丙型肝炎感染、自身免疫性肝炎);(2)入院前使用肝毒性药物;(3)酒精使用障碍;(4)已知有肝受累的恶性肿瘤;(5)医疗记录不完整;(6)入院后24小时内出院。本研究已获得天津医科大学总医院伦理委员会的批准(批准编号:IRB2020-DW-19),由于研究的回顾性性质,无需获得知情同意。

2.2 数据收集和变量
从电子医疗记录中提取了患者的人口统计信息、病史和临床特征。变量包括年龄、性别、主要神经外科诊断(TBI、ICH和aSAH)、合并症、手术干预情况、是否入住重症监护室(ICU)以及入院时的Glasgow昏迷量表(GCS)评分。对于有多个同时诊断的患者,以决定住院需求的主要诊断作为分类依据。创伤性蛛网膜下腔出血被归类为TBI而不是SAH。在出院前收集肝功能检测数据,包括ALT、AST、ALKP、γ-谷氨酰转移酶(GGT)、乳酸脱氢酶(LDH)、总胆红素(TBil)、白蛋白、球蛋白和总蛋白。对于每个指标,我们提取了三个特征:首次记录的值(基线值)、平均值(反映持续负担)以及最大或最小值以捕捉急性变化。具体来说,对于损伤或胆汁淤积指标(GGT、ALT、AST、ALKP、LDH、TBil),使用最大值;对于合成指标(白蛋白、球蛋白、总蛋白),使用最小值。这种多维度方法使模型能够评估初始状态、峰值损伤、持续功能障碍和神经结局之间的关联。主要结局是出院时的功能状态,使用mRS进行评估。结局分为良好(mRS 0–2)和不良(mRS 3–6)。

2.3 数据预处理
使用孤立森林检测异常值,并将含有异常值的变量转换到对数空间以避免异常值的影响。对于缺失数据,移除了缺失值超过20%的变量,以减少插补可能带来的偏差。然后使用多变量插补链方程(MICE)(14)对剩余变量进行插补。所有收集变量的缺失数据状态详见补充表1。数据经过标准化处理,以防止模型因特征尺度差异而产生偏差。

2.4 特征选择
使用最小绝对值收缩和选择运算符(LASSO)回归(15)和Boruta(16)算法进行特征选择。LASSO回归通过L1正则化将不重要特征的系数压缩为零来实现特征选择。它处理高维数据,避免过拟合,并提供特征系数估计。Boruta算法使用随机森林评估特征重要性,通过与影子特征比较来选择特征。它处理高维数据并提供更稳健的评估。两种方法选出的重要特征的交集精确地识别了所有方法都认为重要的核心特征。所有特征选择过程仅在训练集上进行,以防止数据泄露。

2.5 模型开发和评估
数据集被分层并随机分为训练集和测试集,比例为8:2。我们使用了六种机器学习算法来开发预测模型:深度森林、决策树、支持向量机(SVM)、分类提升(CatBoost)、神经网络和随机森林。每个模型都使用了5折交叉验证过程,基于开源优化框架Optuna(版本2.10.0)(17)来优化模型超参数。模型性能基于接收者操作特征曲线下面积(AUC)、准确率、特异性、精确度、敏感性和F1分数等指标进行评估和比较。此外,绘制校准曲线以评估预测概率与实际结果之间的一致性,并使用Brier分数评估模型的校准情况。为了进一步评估模型的潜在临床效用,进行了决策曲线分析(DCA)(18),以量化不同阈值概率下的净收益。使用Shapley加性解释(SHAP)(19)在全局和局部层面解释模型。研究过程如图1所示。

图1 研究流程图。

2.6 统计分析
本研究采用的分析方法包括统计方法和带有超参数调整的机器学习,使用Python 3.8和scikit-learn实现。连续变量的正态性通过Shapiro–Wilk检验进行评估。非正态分布的变量以中位数和四分位数范围(IQR)表示,并使用Mann–Whitney U检验进行比较。分类变量以频率和百分比表示,并在适当的情况下使用卡方检验或Fisher精确检验进行比较。

3 结果
3.1 临床特征
共有1,069名患者符合纳入标准并被纳入最终分析。队列中包括681名男性(63.7%)和388名女性(36.3%),中位年龄为61岁。主要诊断分布如下:TBI 413例(38.6%),ICH 490例(45.8%),aSAH 166例(15.5%)。出院时,649名患者(60.7%)获得良好结局(mRS 0–2),420名患者(39.3%)获得不良结局(mRS 3–6)。基线特征和肝功能参数分别见表1和补充表2。

表1 变量
总人数(n = 1,069) 良好结局(n = 649) 不良结局(n = 420)
人口统计
男性性别,n (%) 681 (63.7) 419 (64.6) 262 (62.4) 0.51
年龄,中位数(IQR) 61.0 (49.0, 70.0) 56.0 (46.0, 66.0) 67.0 (56.0, 77.0) <0.001
疾病类型,n (%) <0.001
TBI 413 (38.6) 317 (48.8) 96 (22.9)
ICH 490 (45.8) 205 (31.6) 285 (67.9)
aSAH 166 (15.5) 127 (19.6) 39 (9.3)
治疗变量
手术干预,n (%) 426 (39.9) 224 (34.5) 202 (48.1) <0.001
ICU入住,n (%) 805 (75.3) 417 (64.3) 388 (92.4) <0.001
GCS入院类别,n (%) <0.001
轻度(13–15) 625 (58.5) 499 (76.9) 126 (30.0)
中度(9–12) 225 (21.0) 104 (16.0) 121 (28.8)
重度(3–8) 219 (20.5) 46 (7.1) 173 (41.2)
合并症
高血压,n (%) 556 (52.0) 330 (50.8) 226 (53.8) 0.377
糖尿病,n (%) 173 (16.2) 94 (14.5) 79 (18.8) 0.073
CHD,n (%) 136 (12.7) 71 (10.9) 65 (15.5) 0.038
中风/出血,n (%) 188 (17.6) 87 (13.4) 101 (24.0) <0.001

3.2 特征选择
使用LASSO和Boruta算法的交集确定了最重要的变量(图2)。确定了八个最显著的特征,作为后续预测模型的输入变量,包括入院时的GCS评分、年龄、AST平均值、白蛋白平均值、ALKP平均值、ALKP最大值、白蛋白最小值和ALKP首次值。

图2 LASSO和Boruta的预测因子筛选。(A) LASSO回归模型因子选择;(B) LASSO回归模型筛选变量轨迹;(C) Boruta因子选择;(D) 使用LASSO和Boruta算法交集识别的变量。

3.3 模型构建和性能
对六个模型进行了超参数优化(HPO),经过200次试验后确定了具有最高交叉验证AUC值的最佳超参数组合。CatBoost模型的HPO过程如图3所示。最终使用以下超参数设置训练CatBoost模型:loss_function = MultiRMSE,iterations = 90,learning_rate = 0.1921860357535433,depth = 4,bagging_temperature = 6.994238969249277e-06。其余五个模型的最终超参数见补充表3。

图3 CatBoost模型的HPO过程。(A) 并行坐标系图显示了HPO过程中CatBoost模型超参数的分布,深色对应较高的AUC值;(B) 优化历史图显示了HPO过程中训练次数与最优值演变轨迹;(C) 切片图显示了每个超参数与AUC之间的相关性。AUC,接收者操作特征曲线下面积;HPO,超参数优化。
基于最佳超参数,使用训练数据开发了六个模型并在测试集上进行了评估。CatBoost模型表现出优越的区分性能,AUC为0.932(图4A),准确率为0.879,精确度为0.872,优于其他模型(表2)。F1分数(0.840)进一步证实了CatBoost在精确度(0.872)和召回率(0.810)方面的平衡,超过了其他模型。在概率校准方面,CatBoost的Brier分数也为0.116(图4B)。DCA进一步验证了CatBoost的临床效用,显示在不同阈值概率下的净收益更高(图4C)。总体而言,这些结果表明CatBoost是当前任务中最有效的模型,它在区分能力、类别特定性能和临床相关性方面取得了平衡。图4展示了六种机器学习模型的性能:(A) 受试者操作特征曲线;(B) 校准曲线;(C) 决策曲线分析。表2显示了各模型的准确率、精确度、召回率和F1分数。

3.4 模型解释
对CatBoost模型的SHAP分析提供了关键特征排名(图5A)以及特征与结果之间的整体相关性和方向性的见解(图5B)。识别出的前八个最重要的特征是:入院时的GCS评分、年龄、AST平均值、白蛋白平均值、ALKP平均值、ALKP最大值、白蛋白最小值和ALKP首次检测值。较低的GCS评分和较高的年龄预示着不良的结果。值得注意的是,研究揭示了多种肝功能指标与预后之间的关联。住院期间较高的AST平均水平与不良结果相关。此外,较低的平均和最低白蛋白水平与不良预后的风险增加有关。住院期间的ALKP水平也被发现与功能预后相关。图5C展示了使用SHAP方法获得的CatBoost模型的个别预测解释。

为了进一步评估肝功能指标在优化模型中的价值,我们仅保留了对功能预后影响最大的两个预测因子——GCS评分和年龄,重新构建了机器学习预测模型。结果显示,CatBoost模型的性能仍然最佳,AUC为0.922,准确率为0.832。然而,该模型的整体预测效果不如包含肝功能指标的模型(见补充表4)。超参数详见补充表5。

4. 讨论
预测神经外科患者的预后具有重要的临床意义,因为它有助于指导治疗策略和护理强度的优化。在资源有限的情况下,该模型优先考虑最有可能从重症监护资源中受益的患者,从而在不影响结果的情况下提高医疗效率。本研究开发了一个基于机器学习的神经外科患者预后预测模型。在评估的六种算法中,CatBoost模型的预测效能最高,AUC为0.932,准确率为0.879,精确率为0.872,优于其他模型。SHAP分析确定入院时的GCS评分和年龄是不良预后的最重要预测因子,这与现有证据一致(20-22)。值得注意的是,肝功能指标(AST、白蛋白、ALKP)被证明是关键因素。AST平均值、ALKP平均值和ALKP首次检测值的升高,以及白蛋白平均值和最低值的降低,都与不良预后相关的SHAP值较高有关。这些发现为“肝-脑轴”假说提供了实证支持,强调了肝脏功能障碍与神经恢复之间的双向相互作用。
机器学习在多种神经外科疾病的结果预测中表现出色(23),其预测性能通常优于传统的统计模型和临床评分系统(13)。一项系统评价和荟萃分析显示,在机械血栓切除术后mRS功能结果的预测中,汇总测试集的AUC达到了0.84(95%CI 0.79–0.88)。对于SAH患者的功能结果预测,汇总AUC更高(0.89,95%CI 0.76–0.95)(13)。尽管关于TBI的功能结果使用mRS的机器学习研究仍然有限,但这些模型在通过GCS预测TBI患者的不良功能预后方面表现出高准确性,准确率通常超过80%(24)。
与以往的研究相比,本研究有几个优势。首先,模型中纳入的变量是临床实践中广泛使用的实验室指标,这些指标在住院期间常规测量,不会涉及高昂的成本或技术挑战,从而确保了模型的预测准确性并便于实际应用。其次,本研究包括了三种常见的神经外科疾病患者,多样化的疾病谱增强了其在神经外科临床应用中的适用性。此外,我们的模型通过基于SHAP的可解释性分析阐明了影响因素的贡献。总之,该预测模型的开发可能有助于临床决策,为初始治疗提供指导,并协助家属讨论和咨询。
我们之前的研究表明,TBI通过氧化应激、炎症和细胞凋亡加剧了药物引起的肝损伤(25),为当前研究中确定的肝功能指标的预后价值提供了机制基础。本研究确定血清白蛋白水平是神经外科患者预后的重要预测因子,较低的水平表明不良预后的风险较高。这一发现与之前关于神经危重疾病(包括aSAH、TBI、ICH和缺血性中风)的研究高度一致(11, 12, 26, 27)。白蛋白由肝细胞合成,不仅是一种关键的急性期负蛋白,还具有内在的抗氧化活性。它通过多种机制发挥神经保护作用,包括抗氧化、抗炎、抗血栓形成和维持血浆胶体渗透压(28-31)。临床前动物研究表明,在aSAH和TBI模型中补充外源性人白蛋白可以改善神经缺陷,减少病变体积,并减轻长期神经行为后遗症(31-33)。临床研究也初步验证了白蛋白补充的安全性及其改善患者预后的潜力(28)。因此,入院时低白蛋白水平不仅反映了系统炎症反应和营养不良的加剧,还可能表明内源性神经保护机制受损,从而与不良临床事件(如延迟性脑缺血(11)、创伤后脑梗死(12)和不良功能预后)的风险增加相关。此外,白蛋白的预测价值还体现在其衍生复合指标中,包括白蛋白与纤维蛋白原比率(AFR)(34)、C反应蛋白与白蛋白比率(CAR)(35)、中性粒细胞与白蛋白比率(NAR)(36-40)以及HALP(血红蛋白、白蛋白、淋巴细胞和血小板)评分(41)等。这进一步支持了多维度评估整合炎症和营养状态可以更全面反映疾病严重程度的观点。我们的研究将白蛋白这一易于获得的常规临床指标纳入预测模型,增强了其在早期风险分层中的实际价值。它还为针对低白蛋白血症的干预措施(如营养支持或白蛋白补充)提供了间接理论支持,以改善患者预后。未来需要大规模的前瞻性研究来验证动态监测白蛋白或其相关复合指标是否能为预后评估提供更精确的指导。

ALKP是一种膜结合的金属酶,催化磷酸酯的水解。临床上,血清ALKP常用于诊断肝病或胆道阻塞疾病(10)。在急性缺血性中风患者中,血清ALKP水平与3个月不良预后(mRS > 2)独立相关,当ALKP ≥ 288 U/L时,风险增加1.21倍(10)。在ICH背景下,ALKP水平与血肿体积呈正相关,与GCS评分呈负相关。一项研究表明,血清ALKP水平>78.5 U/L预测不良预后的敏感性为69.1%,特异性为83.6%(42)。另一项研究表明,在自发性ICH患者中,高ALKP水平(>94.8 U/L)是30天、90天和1年不良功能的独立预测因子(43)。从机制上讲,ALKP可能在脑卒中患者的血脑屏障破坏、神经炎症和血管功能障碍中起作用(44)。升高的ALKP水平可能反映了营养不良或肝脏功能障碍,从而间接损害神经修复能力。低白蛋白与碱性磷酸酶比率表明患者体内存在主导的炎症反应,伴随营养状况不佳,这可能导致不良临床结果(9)。然而,关于ALKP的预后价值存在争议:一些研究未发现其与临床结果有显著关联(45),这可能是由于样本大小、中风亚型或患者合并症特征的差异所致。值得注意的是,在SHAP分析中,较高的ALKP最大值与不良预后的风险降低相关,这与ALKP平均值和ALKP首次检测值的表现相反。尽管LASSO和Boruta特征选择程序部分缓解了多重共线性,但这些派生的ALKP参数之间仍存在内在相关性。这种反直觉的模式可能反映了机器学习模型捕捉到的条件效应,而不是直接的因果关系。

本研究有几个局限性。首先,其回顾性设计本身存在固有的限制,包括潜在的数据不完整性和研究人群的代表性有限。与任何观察性研究一样,无法完全排除未测量或未记录变量的残留混杂因素,这可能会影响预测因子-结果估计的有效性。其次,功能结果仅在出院时使用mRS进行评估,没有进行长期随访。因此,当前模型更适合出院前的情况。在后续工作中,我们将纳入随访数据,建立一个涵盖整个疾病过程的全面预后系统,从而扩展其应用范围。第三,该模型是使用单一三级中心的数据开发的,由于治疗方案和患者特征的差异,其普遍性受到限制。因此,在更广泛的应用之前,需要在不同的临床环境中进行外部验证。为了解决这一限制,我们计划使用MIMIC-IV和eICU等公共重症监护数据库进行外部验证,应用与当前研究相同的纳入和排除标准。第四,变量的选择并不全面。例如,未记录由心电监护仪、呼吸机和压力传感器等重症监护设备监测的基本生命体征数据。包含这些参数可能会提供对患者状况的更深入了解。尽管存在这些局限性,本研究仍展示了常用实验室指标(如肝功能测试)的重要预测价值,并支持其在促进更明智的临床决策中的使用。

5. 结论
总之,我们的CatBoost模型通过整合神经学和肝功能指标,在预测神经外科患者的预后方面表现出色。这些发现强调了肝-脑轴的临床意义,并支持采用机器学习工具来优化患者管理。未来的研究应通过多中心调查来验证该模型,通过纳入纵向数据更新动态模型以增强转化潜力,并进一步探索肝脏功能障碍与神经功能恶化之间的机制关联,重点关注神经炎症和氧化应激等途径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号