人工智能预测急诊剖腹手术后30天死亡率

《European Journal of Trauma and Emergency Surgery》：Artificial intelligence for predicting 30-day mortality after emergency laparotomy

　　

**摘要**

**目的**：急诊剖腹手术（emergency laparotomy, EL）术前准确的风险预测对于合理分配医疗资源和改善患者预后至关重要。本研究旨在利用国家数据集，确立人工智能（artificial intelligence, AI）模型预测EL术后30天死亡率的准确性。

**方法**：数据提取自2018年7月1日至2023年7月24日的澳大利亚和新西兰急诊剖腹手术审计-质量改进（Australian and New Zealand Emergency Laparotomy Audit-Quality Improvement, ANZELA-QI）数据库。研究人员采用多层感知器（multilayer perceptron, MLP）和径向基函数（radial basis function, RBF）架构构建AI模型。扩展AI模型使用所有可用的术前变量构建，简化AI模型则使用通过单变量分析确定的具有统计学显著性的变量构建。研究人员使用受试者工作特征曲线下面积（area under the receiver operator characteristic curve, AUROC）评估了AI模型与多变量逻辑回归（logistic regression, LR）模型及英国国家急诊剖腹手术审计（National Emergency Laparotomy Audit, NELA）模型的性能。

**结果**：共纳入8293例EL病例，随机分为训练数据集6619例（80%）和测试数据集1674例（20%）。EL术后30天内死亡537例（6.5%）。在测试数据集中，NELA模型表现最佳（AUROC 0.836），其次是多变量LR模型（0.824）、简化MLP模型（0.817）、扩展MLP模型（0.802）、扩展RBF模型（0.719）和简化RBF模型（0.672）。两两比较显示，NELA、多变量LR及MLP模型之间的判别能力无显著差异。

**结论**：术前MLP模型和多变量LR模型在预测EL术后30天死亡率方面表现出与NELA模型相当的性能。

**基于ANZELA-QI数据库的AI与逻辑回归模型预测急诊剖腹手术后30天死亡率的比较研究解读**

**一、研究背景**

急诊剖腹手术（emergency laparotomy, EL）是腹部外科急症中常见且往往挽救生命的手术方式，然而其术后死亡率居高不下。在澳大利亚和新西兰（Australia and New Zealand, ANZ），每年约施行20,000例EL，术后30天死亡率估计为8.4%。为此，澳大利亚和新西兰急诊剖腹手术审计-质量改进（Australian and New Zealand Emergency Laparotomy Audit-Quality Improvement, ANZELA-QI）数据库得以建立，旨在审计EL术后结局并标准化患者护理质量，以降低死亡率。围手术期护理标准化已被证实可降低术后死亡率，而术前准确的风险评估是实现这一目标的关键环节——它有助于术后护理的分级升级、识别需要更多专科医生参与的高危病例、促进多学科协作以及医患共同决策。

已知的EL术后死亡预测因素包括高龄、合并症、衰弱、肌少症、美国麻醉医师协会（American Society of Anesthesiologists, ASA）分级和腹腔污染等。基于这些因素已开发出多种风险预测模型。尽管现代指南推荐使用风险预测模型，但最佳模型仍不明确。传统的多变量逻辑回归（logistic regression, LR）模型虽然在死亡预测中取得了一定成功，但其受限于预测因子与结局之间线性关系的假设。人工智能（artificial intelligence, AI）凭借其利用高维数据并揭示复杂非线性关系的能力，成为LR方法的有前景的替代方案。近期证据表明，AI在预测急诊普外科手术和EL术后死亡率方面可达到较高性能，然而大多数AI模型是在美国人群中开发和验证的，尚未在澳大拉西亚人群中进行验证。英国的国家急诊剖腹手术审计（National Emergency Laparotomy Audit, NELA）模型在澳大利亚队列中得到了广泛验证，目前仍是EL术后死亡率的首选风险评估工具。鉴于ANZ独特的医疗体系和大地理距离带来的挑战，开发本地化的ANZ模型具有必要性。本研究旨在利用ANZELA-QI数据，确立AI模型在澳大拉西亚人群中预测EL术后30天死亡率的准确性。

**二、研究方法概述**

本研究为一项预后性研究，经ANZELA-QI指导委员会批准，并遵循TRIPOD+AI声明。数据来源于皇家澳大拉西亚外科医学院（Royal Australasian College of Surgeons, RACS）发病审计部门提供的ANZELA-QI前瞻性收集数据，涵盖2018年7月1日至2023年7月24日期间在35家澳大利亚医院接受EL的所有患者。研究采用多层感知器（multilayer perceptron, MLP）和径向基函数（radial basis function, RBF）两种人工神经网络架构构建了四个AI模型，包括使用所有25个术前变量的扩展模型和仅使用单变量分析中统计学显著变量的简化模型。同时构建了多变量LR模型，并以NELA模型作为参照基准。缺失数据采用链式方程多重插补（multiple imputations by chained equations, MICE）处理，数据集按Pareto比率（80%训练/20%测试）随机分配。模型判别性能通过受试者工作特征曲线下面积（area under the receiver operator characteristic curve, AUROC）评估，采用DeLong检验进行模型间差异比较，并在测试数据集中评估校准性能。

**三、研究结果**

**3.1 患者特征与变量分析**

研究期间共纳入8,293例EL，其中537例（6.5%）在30天内死亡。患者中位年龄为66岁（IQR 52–77），50.7%为女性。单变量分析显示17个变量与30天术后死亡率显著相关，包括年龄、性别、入院前居住地、从其他医院转入、从首次到达至外科团队首次接诊的时间、术前诊断性腹部计算机断层扫描（computed tomography, CT）检查是否进行、初次入院时疑似脓毒症、决定手术时疑似脓毒症、乳酸水平、ASA分级、手术紧急程度、本次入院内首次手术、四种手术指征以及手术室内最高级别外科医生。多变量LR分析进一步确定年龄、术前诊断性腹部CT、决定手术时疑似脓毒症、乳酸、ASA、紧急程度、肠梗阻、肠缺血及其他指征为30天术后死亡率的独立预测因素。

**3.2 模型判别性能**

在测试数据集中，NELA模型的AUROC最高（0.836，95% CI 0.799–0.872），其次为多变量LR模型（0.824，95% CI 0.790–0.858）、简化MLP模型（0.817，95% CI 0.781–0.854）、扩展MLP模型（0.802，95% CI 0.762–0.843）、扩展RBF模型（0.719，95% CI 0.674–0.764）和简化RBF模型（0.672，95% CI 0.620–0.724）。基于最大Youden指数确定的最佳截断值在NELA模型中最高（79.6%），简化MLP模型具有最高的灵敏度（89.1%），而NELA模型具有最高的特异度（80.2%）。

**3.3 模型性能两两比较**

对测试数据集的两两比较显示，NELA、多变量LR、简化MLP和扩展MLP模型的AUROC均显著高于简化RBF和扩展RBF模型。扩展RBF模型的AUROC显著高于简化RBF模型。而NELA、多变量LR、简化MLP和扩展MLP模型之间的AUROC值无显著差异。

**3.4 变量重要性分析**

多变量LR分析显示年龄是最关键的预测因子（Wald值92.84）。在MLP扩展、RBF扩展和MLP简化模型中，乳酸是最具影响力的预测变量，其次为年龄。在RBF简化模型中，肠缺血是最具影响力的预测变量，其次为乳酸。总体而言，各模型间的变量重要性存在相当大的差异。

**3.5 敏感性分析**

在2,944例无缺失数据的EL中进行了完整病例敏感性分析。训练数据集和测试数据集分别包含2,356例（80%）和588例（20%）EL。结果显示模型判别能力与主要MICE插补分析相似，NELA模型在训练数据集（AUROC 0.841 vs 0.832）和测试数据集（AUROC 0.828 vs 0.836）中均表现出可比性能。多变量LR模型也观察到类似趋势，而MLP和RBF模型表现出更大的变异性，这可能反映了完整病例数据集中样本量和结局事件的减少。

**3.6 校准评估**

在测试数据集中评估了模型校准性能。多变量LR模型表现出良好的校准性能，校准截距为?0.104（95% CI ?0.567至0.359），校准斜率为1.005（95% CI 0.811至1.200）。NELA模型的校准斜率为1.014（95% CI 0.819至1.209），但其校准截距为?0.616（95% CI ?0.979至?0.254）。多变量LR和简化MLP模型的Brier评分最低（0.051），而RBF模型尤其是简化RBF模型的校准斜率较低（0.559，95% CI 0.264至0.854）。

**四、讨论与结论**

**4.1 讨论**

本研究是首个在澳大利亚患者中采用人工神经网络AI模型预测EL术后30天死亡率的研究。研究发现，基于ANZELA-QI数据集开发的多变量LR和MLP模型的判别能力与NELA模型相比无显著差异。NELA模型的AUROC（0.836）略高于多变量LR（0.824）和简化MLP（0.817）模型，这可能归因于NELA模型在更大的患者队列（38,830例）中开发，而本研究的模型仅基于8,293例EL数据。值得注意的是，NELA模型最初的开发目的是用于医院间死亡率比较的病例组合调整，而非在临床环境中预测个体患者风险，且其部分变量仅在术中或术后才能获得，限制了其术前应用价值。

与既往研究相比，虽然美国POTTER模型（AUROC 0.90）和高等人开发的人工神经网络模型（AUROC 0.956）表现出更高的判别性能，但这些模型需要大量变量或未尽外部验证。本研究开发的简化MLP模型仅使用17个术前变量，更为简洁实用，符合临床应用需求。研究还发现血清乳酸和年龄是各模型中最重要变量，这与既往文献一致——乳酸水平可反映腹腔病理严重程度和患者生理状态，而年龄则与合并症、肌少症和衰弱患病率增加相关。

本研究具有一定局限性。首先，ANZELA-QI仅覆盖了ANZ地区约10–20%的EL手术。其次，该数据库建立于2018年，样本量相对较小。第三，在数据集分割前进行多重插补可能引入偏倚和信息泄漏，但完整病例敏感性分析显示模型判别能力与之相当，表明插补策略的潜在影响有限。最后，缺乏外部验证队列，需谨慎解读在澳大拉西亚人群之外的适用性。

**4.2 结论**

术前多变量LR和MLP模型在预测EL术后30天死亡率方面表现出与NELA模型相当的性能。此外，基于AI的MLP模型相较于多变量LR模型并无显著的判别优势，提示LR模型可能是更适合临床整合应用的透明化工具。未来需要进一步的外部验证研究来证实其临床实用性。