基于电子病历的重症老年患者急性肾损伤连续风险预测研究

作者：邬金鸣; 孙海霞; 王嘉阳; 钱庆^*

来源：首都医科大学学报, 2022, 43(04): 600-609.

• 机器学习
• 疾病预测
• 急性肾损伤
• 电子病历
• 重症监护病房

目的 探索重症老年患者(≥60岁)急性肾损伤早期连续风险预测的可行性，促进机器学习在临床决策支持中的应用。具体实现以6 h为单位连续预测重症老年患者在未来48 h的急性肾损伤发病风险，并探索可实现何种程度的早期预测，以及比较当前数据和累积数据的预测效果。方法 基于重症监护医学信息数据库(Medical Information Mart for Intensive Care, MIMIC)-Ⅲ,应用逻辑回归、支持向量机、随机森林和轻量梯度提升机(light gradient boosting machine, LightGBM)建模预测。基于曲线下面积(area under curve, AUC)、精确度和召回率进行结果评估。结果 共11 261条重症老年患者记录纳入研究。基于当前6 h数据预测时，LightGBM的AUC达0.845～0.925,随机森林、支持向量机和逻辑回归的最高AUC均低于0.73。基于入重症监护病房最初6 h数据，LightGBM效果最好，AUC达0.845。LightGBM应用当前数据比累积数据获得更高的AUC、精确度和召回率，随机森林、支持向量机和逻辑回归反之。结论 利用LightGBM对重症老年患者进行急性肾损伤早期连续预测切实可行，仅基于重症监护病房前6 h数据的预测结果就可以达到24 h积累数据的预测效果。此外，不同模型对数据的接收能力和适用性不同，LightGBM在当前数据中表现优于累积数据，其他3种模型在累积数据中表现优于当前数据。

• 单位
  中国医学科学院; 北京协和医学院