SIMPLE-HF：基于AI与SHAP的简化心力衰竭死亡预测模型优于MAGGIC-EHR

《npj Digital Medicine》：Development and validation of a parsimonious AI-based mortality risk score for heart failure

　　

摘要

心力衰竭（HF）的风险分层可辅助临床决策，但现有工具面临推广障碍：传统评分的区分度有限且依赖专项检查（如超声心动图），而人工智能（AI）模型则需要丰富的纵向数据和基础设施支持。两种方法在流程整合、可解释性及临床实用性证明方面均面临挑战。本研究基于英国临床实践研究数据链（CPRD）Aurum 中373,389名心力衰竭成人患者数据，开发并验证了一个基于AI的全因死亡率风险预测模型，并将其与适应于电子健康档案（EHR）数据的MAGGIC评分（MAGGIC-EHR）进行比较。通过对基于EHR训练的Transformer模型所获取的预测信号进行蒸馏，并利用基于SHAP的特征选择方法，构建了一个精简的11变量模型——SIMPLE-HF（面向心力衰竭患者纵向EHR的简化智能死亡预测模型），所用变量均为床旁可获取的指标，包括年龄、体重指数、合并症及用药情况。在12个月全因死亡率的预测中，SIMPLE-HF的区分度优于MAGGIC-EHR（C-index 0.801，95% CI 0.795–0.806，对比MAGGIC-EHR的0.735，0.728–0.741），且校准良好。在0.60的高危阈值下，SIMPLE-HF每筛查1000人可识别出177例真实事件，而MAGGIC-EHR仅为89例。次要结局的预测性能提升表现一致。该方法有望弥合先进AI技术与常规临床实践之间的差距，但在临床广泛应用前仍需外部验证和前瞻性评估。