可解释机器学习预测创伤性脑损伤患者下肢深静脉血栓：SHAP引导的随机森林模型的开发

《Frontiers in Neurology》：Explainable machine learning for predicting lower extremity deep vein thrombosis in traumatic brain injury patients: development of a SHAP-guided Random Forest model

　　

摘要
背景：下肢深静脉血栓（LEDVT）是创伤性脑损伤（TBI）后常见且具有临床重要性的并发症。早期识别血栓风险增加的患者仍具有挑战性。研究人员旨在开发并内部验证一个可解释的机器学习模型，用于预测TBI患者的LEDVT。
方法：在这项回顾性观察性研究中，研究人员分析了2024年8月至2025年12月期间在青海大学附属医院治疗的248例连续性TBI患者。患者被随机分配至训练队列（n=174）和内部验证队列（n=74）。共筛选了39项人口统计学、临床和实验室变量。采用最小绝对收缩和选择算子（LASSO）回归进行特征选择，随后进行多变量逻辑回归。开发并比较了八种机器学习算法。评估了模型的区分度、校准度和决策曲线性能，并使用Shapley加法解释（SHAP）对所选模型进行解释。
结果：248例患者中有88例（35.5%）发生LEDVT。LASSO保留了六个变量用于模型开发：年龄、血小板计数、D-二聚体、白细胞介素、下肢骨折和预防性抗凝治疗。在多变量逻辑回归中，D-二聚体、白细胞介素、下肢骨折和预防性抗凝治疗与LEDVT显著相关，而年龄和血小板计数显示边缘性关联。在验证队列中，随机森林模型表现出强大的区分能力，受试者工作特征曲线下面积（AUC）为0.931（95% CI 0.878–0.985），敏感性为78.8%，特异性为95.1%，准确率为87.8%，精确率为92.9%，F1得分为0.852。SHAP分析确定D-二聚体、白细胞介素、预防性抗凝治疗、年龄、血小板计数和下肢骨折是模型输出的主要贡献因素。
结论：基于常规可获得的临床和实验室变量的可解释随机森林模型在TBI后LEDVT预测中显示出良好的内部预测性能。经过外部验证后，该方法可能有助于支持血栓风险增加患者的早期风险分层和个体化监测。

创伤性脑损伤（TBI）由外部机械力导致脑结构损伤或功能损害，是全世界死亡和长期残疾的主要原因之一。全球每年超过5000万例TBI发生，在中国年发病率同样很高，给患者带来长期残疾和经济负担。尽管急诊和手术治疗取得显著进展，早期并发症尤其是下肢深静脉血栓（LEDVT）仍严重影响患者预后。LEDVT可导致肺栓塞（PE），若未及时诊治，PE是TBI患者死亡的主要原因之一。常规预防方案（如药物和机械措施）虽已广泛采用，但最优应用仍存争议，因为预防措施可能带来颅内血肿扩大的风险。此外，现有风险分层主要依赖经验判断，缺乏基于数据驱动的个体化工具。因此，开发一个稳健的预测模型，在血栓事件发生前识别高危患者，对于实现精准预防至关重要。LEDVT的形成涉及凝血功能障碍、炎症级联反应和内皮损伤，传统回归模型在处理非线性关系和复杂相互作用方面存在局限。机器学习（ML）算法能够处理非线性关系并从高维数据中提取隐藏模式，为预测提供了新途径。本研究旨在开发并内部验证一个基于可解释机器学习的TBI合并LEDVT预测模型，并评估其在风险分层中的应用，以支持临床管理。

研究人员在青海大学附属医院开展了一项回顾性观察性研究，纳入2024年8月至2025年12月期间收治的248例TBI患者，按约7:3比例随机分为训练队列（n=174）和内部验证队列（n=74）。收集了39项人口统计学、临床和实验室变量，采用最小绝对收缩和选择算子（LASSO）回归进行特征选择，保留6个变量（年龄、血小板计数、D-二聚体、白细胞介素、下肢骨折、预防性抗凝治疗），随后构建并比较了八种机器学习模型（随机森林、GBM、XGBoost、AdaBoost、SVM、逻辑回归、神经网络、KNN）。通过区分度（AUC、混淆矩阵指标）、校准度（校准曲线、Hosmer-Lemeshow检验、Brier评分）和临床适用性（决策曲线分析DCA）进行综合评估，并对最优模型进行Shapley加法解释（SHAP）分析以量化各预测因子的贡献。该研究已获青海大学附属医院伦理委员会批准（SL-2026141），因使用匿名数据，豁免知情同意。

研究结果包括以下部分：

**Variable selection by LASSO regression**：通过LASSO逻辑回归结合10折交叉验证，以最小准则（λ=0.0606986）选择最优惩罚参数，从39个候选变量中保留6个非零系数变量：年龄（β=0.001417789）、血小板计数（β=-0.000992262）、D-二聚体（β=0.021040576）、白细胞介素（β=0.004309478）、下肢骨折（β=0.525438341）、预防性抗凝治疗（β=0.791964959），以及截距（β=-1.754341088）。

**Multivariable logistic regression model for TBI with concomitant lower extremity deep vein thrombosis**：将LASSO选出的6个变量纳入多变量逻辑回归，采用向后逐步回归，最终模型保留所有变量。其中D-二聚体（OR 1.042，95% CI 1.023–1.060，p<0.001）、白细胞介素（OR 1.013，95% CI 1.006–1.019，p<0.001）、预防性抗凝治疗（OR 5.450，95% CI 1.975–15.042，p=0.001）和下肢骨折（OR 9.760，95% CI 1.923–49.523，p=0.006）与LEDVT显著相关；年龄（OR 1.034，95% CI 0.996–1.074，p=0.079）和血小板计数（OR 0.993，95% CI 0.986–1.001，p=0.081）呈边缘性关联。方差膨胀因子（VIF）分析未发现多重共线性。

**Machine-learning model development and evaluation**：基于6个保留变量构建八种ML模型，通过网格搜索进行超参数优化。在验证队列中，随机森林模型表现最优，AUC为0.931（95% CI 0.878–0.985），敏感性78.8%，特异性95.1%，准确率87.8%，精确率92.9%，F1得分0.852。校准曲线显示预测概率与观察概率一致性良好，决策曲线分析表明随机森林在较宽阈值概率范围内提供最大的临床净收益。其他模型（SVM、逻辑回归、神经网络等）表现中等。

**Random Forest as the optimal prediction model and SHAP-based explanation**：随机森林被选为最终模型，其训练和验证队列的最优阈值分别为45.4%和49.3%。SHAP分析识别出D-二聚体、白细胞介素、预防性抗凝治疗、年龄、血小板计数和下肢骨折为模型输出的主要贡献因子，其中D-二聚体和白细胞介素贡献最大。SHAP依赖图展示了各变量显著正向贡献的数值范围，SHAP交互作用网络图显示最强交互作用存在于D-二聚体与白细胞介素（强度0.0203）、D-二聚体与预防性抗凝治疗（强度0.0144）、年龄与D-二聚体（强度0.0099）等。

讨论部分总结：本研究专门针对TBI合并LEDVT开发了可解释机器学习模型。随机森林模型在验证队列中表现出良好预测性能（AUC 0.931），SHAP分析揭示了关键预测因子。年龄虽呈边缘性关联，但符合临床合理性，与老年TBI患者脆弱性增加血栓风险的概念一致。D-二聚体作为最强预测因子，反映纤维蛋白溶解和凝血激活，与既往研究一致。白细胞介素作为炎症标志物，其水平升高与血栓形成相关。血小板计数在队列中于LEDVT组较低，可能反映凝血消耗与炎症状态。下肢骨折和预防性抗凝治疗作为临床因素，下肢骨折是独立危险因素，而预防性抗凝治疗的正向关联应解释为指征混杂（即高危患者更易接受抗凝），而非因果关系。本研究的附加值在于：（1）整合临床、凝血、炎症等多域异质性特征，捕捉非线性贡献；（2）系统比较八种算法，确定随机森林为最稳健模型；（3）通过SHAP增强可解释性，结合校准和决策分析评估临床效用。局限性包括单中心设计、潜在残余混杂、需与医生判断直接比较及前瞻性多中心验证。未来工作将纳入个体纵向轨迹，并开展前瞻性多中心验证，以评估模型辅助决策的现实世界影响。当前结果提示，因六个预测因子可常规获取，建议入院时记录，对合并D-二聚体升高、白细胞介素升高和下肢骨折的患者降低下肢超声检查阈值，并通过多学科讨论个体化预防方案。研究单位已将这些原则作为初步质量改进措施（入院清单和风险触发的超声监测路径），但正式方案变更需待外部和前瞻性验证完成。

研究结论翻译：在本研究中，研究人员开发并内部验证了一个可解释的随机森林模型，用于预测创伤性脑损伤患者的下肢深静脉血栓。该模型表现出良好的区分性能，并进一步通过SHAP进行解释，突出了关键人口统计学、临床和实验室变量的贡献。这些发现表明，该方法可能有助于TBI患者的早期风险分层。在临床实施之前，需要进一步的外部验证和前瞻性研究。在实际应用中，建议入院时记录这些常规可获得的预测因子，并加强对高危患者的监测；因此，研究单位已将这些原则作为初步质量改进措施，在外部和前瞻性验证完成之前，暂不进行正式方案变更。