基于機(jī)器學(xué)習(xí)方法對(duì)非心臟手術(shù)后急性腎損傷預(yù)測(cè)價(jià)值研究

吳卓熙, 陳 勤, 陳 鳳, 任玉坤, 王 卓, 李 洪

陸軍軍醫(yī)大學(xué)第二附屬醫(yī)院 麻醉科,重慶 400037

急性腎損傷(acute kidney injury,AKI)是一種常見(jiàn)術(shù)后并發(fā)癥,與高病死率、高發(fā)病率、住院時(shí)間延長(zhǎng)等有關(guān)[1-2]。圍術(shù)期發(fā)生缺血、交感神經(jīng)系統(tǒng)激活、系統(tǒng)性炎癥、腎毒性藥物等均為術(shù)后AKI的促發(fā)因素,準(zhǔn)確預(yù)測(cè)術(shù)后患者是否發(fā)生AKI并及時(shí)采取干預(yù)措施至關(guān)重要[1,3-5]。既往AKI預(yù)測(cè)相關(guān)研究多針對(duì)重癥監(jiān)護(hù)室中的危重患者、潛在腎毒性暴露的特定患者、心臟手術(shù)等[6-7]。關(guān)于開(kāi)發(fā)重癥監(jiān)護(hù)室外住院患者的AKI預(yù)測(cè)模型的研究較少[8-14]。現(xiàn)如今,基于機(jī)器學(xué)習(xí)方法已被廣泛且成熟應(yīng)用于預(yù)測(cè)模型領(lǐng)域[15-17]。本研究旨在探討基于機(jī)器學(xué)習(xí)方法對(duì)非心臟手術(shù)后AKI的預(yù)測(cè)價(jià)值。現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料 選取陸軍軍醫(yī)大學(xué)新橋醫(yī)院自2014年6月至2022年9月收治的24 611例接受非心臟手術(shù)患者為研究對(duì)象。納入標(biāo)準(zhǔn):年齡>18歲;電子病歷系統(tǒng)與手術(shù)麻醉系統(tǒng)數(shù)據(jù)齊全。排除標(biāo)準(zhǔn):介入手術(shù),心臟手術(shù)。其中,男性12 074例,女性12 537例;年齡 18～98歲,平均年齡(57.36±13.54)歲。本研究經(jīng)醫(yī)院倫理委員會(huì)批準(zhǔn)。所有患者均簽署知情同意書(shū)。

1.2 研究方法

1.2.1 數(shù)據(jù)收集及預(yù)處理 用于建立模型的患者術(shù)前數(shù)據(jù)來(lái)自電子病歷系統(tǒng),包括:人口統(tǒng)計(jì)學(xué)信息、術(shù)前合并癥、術(shù)前檢查和檢驗(yàn)數(shù)據(jù)、術(shù)前用藥史、術(shù)前相關(guān)治療史等。術(shù)中數(shù)據(jù)來(lái)自UEESOFT手術(shù)麻醉臨床信息系統(tǒng),包括:術(shù)中用藥情況、患者信息、手術(shù)信息等。

1.2.2 主要結(jié)局定義 根據(jù)改善腎疾病全球結(jié)局AKI工作小組最新指南,整合RIFLE分類(lèi)與AKIN分類(lèi),AKI定義為48 h內(nèi)血清肌酐(serum creatinine,SCr)升高≥0.3 mg/dl或7 d內(nèi)SCr增加至基線的1.5倍以上[18-20]。

1.2.3 機(jī)器學(xué)習(xí)方法 采用隨機(jī)數(shù)字表法將患者分為訓(xùn)練組(n=17 227)與驗(yàn)證組(n=7 384)。采用包括邏輯回歸、隨機(jī)森林、支持向量機(jī)、簡(jiǎn)單決策樹(shù)、極端梯度提升和集成模型在內(nèi)的機(jī)器學(xué)習(xí)方法訓(xùn)練模型。采用受試者工作特征(receiver operator characteristic,ROC)曲線及ROC曲線下面積(area under ROC curve,AUC)評(píng)價(jià)模型的整體性能。采用沙普利可加性特征解釋法(shapley additive explanation,SHAP)評(píng)估每個(gè)特征對(duì)預(yù)測(cè)結(jié)果的貢獻(xiàn)程度[21-22]。

2 結(jié)果

2.1 兩組患者一般資料比較 非心臟手術(shù)后AKI發(fā)生率為11.3%(2 780/24 611)。訓(xùn)練組與驗(yàn)證組患者各項(xiàng)一般資料比較,差異均無(wú)統(tǒng)計(jì)學(xué)意義(P>0.05)。見(jiàn)表1。

表1 兩組患者一般資料比較/例(百分率/%)

2.2 模型效能 6種機(jī)器學(xué)習(xí)方法構(gòu)建的模型預(yù)測(cè)非心臟手術(shù)后AKI的ROC曲線見(jiàn)圖1。集成模型預(yù)測(cè)非心臟手術(shù)后AKI的AUC為0.749,大于邏輯回歸、隨機(jī)森林、支持向量機(jī)、簡(jiǎn)單決策樹(shù)、極端梯度提升單獨(dú)預(yù)測(cè)。見(jiàn)表2。隨機(jī)森林模型重要性矩陣圖顯示,體質(zhì)量指數(shù)、術(shù)前尿素氮、術(shù)前腎小球?yàn)V過(guò)率、麻醉時(shí)長(zhǎng)、術(shù)前平均動(dòng)脈壓、術(shù)前血紅蛋白、年齡、術(shù)中出血量為對(duì)模型貢獻(xiàn)度重要的前8個(gè)變量。見(jiàn)圖2。

圖1 6種機(jī)器學(xué)習(xí)方法構(gòu)建的模型預(yù)測(cè)非心臟手術(shù)后AKI的ROC曲線

圖2 隨機(jī)森林特征重要性矩陣圖

表2 6種機(jī)器學(xué)習(xí)方法構(gòu)建的模型的預(yù)測(cè)價(jià)值比較

2.3 模型分析 隨機(jī)森林模型中貢獻(xiàn)度較高的20個(gè)特征的SHAP值見(jiàn)圖3。紅色代表SHAP值較高的特征,藍(lán)色代表值較低的特征。變量的SHAP值越高, 發(fā)生AKI風(fēng)險(xiǎn)越大。20個(gè)特征中,手術(shù)相關(guān)特征有8個(gè),分別為麻醉時(shí)長(zhǎng)、普通胸外科手術(shù)、骨科手術(shù)、手術(shù)中總失液量、急診手術(shù)、手術(shù)中晶體液輸注總量、手術(shù)中血液制品使用量、手術(shù)中膠體液輸注總量和擇期手術(shù)。

圖3 隨機(jī)森林模型中貢獻(xiàn)度較高的20個(gè)特征SHAP值總結(jié)圖

3 討論

既往針對(duì)AKI的預(yù)測(cè)模型大多集中在重癥監(jiān)護(hù)室與心臟手術(shù)患者中,重癥監(jiān)護(hù)室外非心臟手術(shù)患者的AKI危險(xiǎn)因素及預(yù)測(cè)工具相關(guān)研究較少。邏輯回歸作為篩選變量的傳統(tǒng)方法,根據(jù)統(tǒng)計(jì)顯著性選擇進(jìn)入模型的變量可能錯(cuò)失對(duì)提高模型預(yù)測(cè)能力極具價(jià)值的變量信息。機(jī)器學(xué)習(xí)不需設(shè)定輸入變量與輸出變量的關(guān)系假設(shè),變量篩選過(guò)程完全由數(shù)據(jù)驅(qū)動(dòng)而不依賴(lài)于預(yù)設(shè)規(guī)則。使用機(jī)器學(xué)習(xí)構(gòu)建預(yù)測(cè)模型是一種更合理的方法[13]。

本研究結(jié)果顯示,訓(xùn)練組與驗(yàn)證組患者各項(xiàng)一般資料比較,差異均無(wú)統(tǒng)計(jì)學(xué)意義(P>0.05)。這提示,數(shù)據(jù)在兩個(gè)數(shù)據(jù)集中分布平均。此外,集成模型預(yù)測(cè)非心臟手術(shù)后AKI的AUC為0.749,大于邏輯回歸、隨機(jī)森林、支持向量機(jī)、簡(jiǎn)單決策樹(shù)、極端梯度提升單獨(dú)預(yù)測(cè)。這提示,集成模型預(yù)測(cè)性能最優(yōu),在單一模型中隨機(jī)森林的AUC為0.747。集成模型相對(duì)于單一模型更加復(fù)雜,需要更多的計(jì)算資源和時(shí)間來(lái)訓(xùn)練和調(diào)優(yōu)。從對(duì)結(jié)果的可解釋性以及資源利用上,隨機(jī)森林可能是更適合的方案。有研究報(bào)道,術(shù)中維持動(dòng)脈壓>65 mmHg可以降低AKI風(fēng)險(xiǎn)[14]。本研究結(jié)果顯示,在隨機(jī)森林模型中影響較大的前20個(gè)特征中,手術(shù)相關(guān)特征占8個(gè)。這提示,手術(shù)相關(guān)和術(shù)中變量對(duì)預(yù)測(cè)AKI具有重要價(jià)值。

綜上所述,采用機(jī)器學(xué)習(xí)方法開(kāi)發(fā)的非心臟手術(shù)后AKI的預(yù)測(cè)模型,可進(jìn)一步加強(qiáng)對(duì)AKI的預(yù)防,從而優(yōu)化和改善患者預(yù)后。但本研究存在一定局限性:缺少術(shù)中時(shí)序數(shù)據(jù),例如連續(xù)逐次采集的血壓、心率等生命體征;僅針對(duì)是否發(fā)生AKI進(jìn)行預(yù)測(cè)模型的開(kāi)發(fā),后續(xù)研究可進(jìn)一步針對(duì)AKI分級(jí)預(yù)測(cè)開(kāi)發(fā)模型。