非静脉曲张性上消化道出血紧急内镜手术决策支持系统

《BMC Medical Informatics and Decision Making》：Decision-support system for emergency endoscopic surgery in nonvariceal upper gastrointestinal bleeding

　　

摘要

非静脉曲张性上消化道出血是一种需要及时进行内镜干预以避免严重并发症的危急疾病。尽管现有的风险评分系统如格拉斯哥-布拉奇福德评分和Nscore被广泛使用，但其在不同患者群体中的预测准确性和适应性往往存在局限。本研究利用表格数据开发了一种基于机器学习的临床决策支持系统，用于预测非静脉曲张性上消化道出血患者是否需要内镜干预，有望为临床决策和资源分配提供帮助，不过还需进一步验证。研究从日本三家医疗机构收集了2016年1月至2020年12月间的1,989例非静脉曲张性上消化道出血患者的回顾性数据，这些数据被分为训练集（2016–2019年；n?=?1,467）和验证集（2020年；n?=?358）。在模型构建过程中，采用了基于决策树的集成算法——极端梯度提升法。通过\(F_{\beta}\)评分来优化阈值，从而在召回率和精确度之间取得平衡。模型性能通过接收者操作特征曲线下面积、精确度和召回率等指标来评估。该模型还与现有的风险评分系统进行了比较分析。XGBoost模型的AUROC值为0.822（95%置信区间：0.777–0.863），其区分能力优于作为输入特征的Nscore单独使用的结果（AUROC：0.776），也高于格拉斯哥-布拉奇福德评分的0.576。在\(\beta = 1.5\)的阈值下，该模型的灵敏度为89.5%，F1分数为0.723。通过特征重要性分析，确定了血尿素氮与肌酐比值和Nscore等关键预测因子，这些因子对模型性能有着重要贡献。基于XGBoost的系统在预测是否需要内镜干预方面具有更高的准确性，这为优化资源分配提供了可能。不过，要将其应用于临床，还必须在不同患者群体中进行外部验证。