机器学习在预测重症急性胰腺炎发生急性呼吸窘迫综合征中的作用

作者：邹康; 任文森; 蒲鑫鑫; 吕应琴; 徐劲; 史孝敏; 石蕾; 彭燕; 汤小伟^*

来源：中华胰腺病杂志, 2023, 23(06).

• 重症急性胰腺炎
• 急性呼吸窘迫综合征
• 机器学习
• 预测模型

回顾性分析214例SAP患者的资料, 构建5种SAP并发急性呼吸窘迫综合征(ARDS)的机器学习预测模型, 并筛选出最优模型。结果显示, 5种机器学习模型中, 极端梯度提升(XGBoost)为最优模型。XGBoost在测试集中的AUC值为0.851(95%CI 0.739～0.963), 灵敏度为0.840, 特异度为0.793, 阳性预测值为0.842, 阴性预测值为0.743。最重要的4个预测变量为呼吸频率、血清淀粉酶、年龄和总蛋白。表明机器学习模型能够很好地预测SAP相关ARDS的发生, 为临床早期识别高危患者提供了思路。

• 单位
  西南医科大学