凯斯艾生物科技(苏州)有限公司
围手术期急性肾损伤模型大手术常合并AKI,AKI会增加大手术患者的短期和长期死亡率及发病率。在最近的几十年中,人们对围手术期AKI的意识有所提高,围手术期处理指南已经公布。基于KDIGO指南的AKI诊断通常是在重症监护病房或术后监护病房进行的,但AKI的诊断同样适用于手术室环境。Thottakkara等首次报道了术后AKI的机器学习预测模型。输入的变量为术前信息,但不包括围手术期血流动力学参数。该模型能够较好地预测术后第1周的AKI。Bihorac等进一步探索了这一模型,开发并验证了一种名为MySurgeryRisk的评分系统来预测AKI患者的死亡率和术后严重并发症发生率。他们将该模型与临床医生的预测进行比较后发现,该模型预测AKI的分辨率明显高于临床医生的预测。与主治医生相比,实习生对患者进行错误分类的频率更高,但差异不显著。同样的研究人员将围手术期数据添加到模型中,从而建立了动态机器学习流程。46%的患者在出院前发生术后AKI,其中87%发生在术后第1周内,超过50%的患者在滞留ICU至少48小时。加上围手术期数据后,模型对AKI的识别率和准 确性有所提高。
Lei等开发了一个大型非心脏手术患者术后第1周的急性肾损伤模型。他们使用住院前、手术前和围手术期变量构建了三个模型。与围手术期变量相比,增加术前变量对模型预测效率的改善更为显著。Lee等开发了一个模型来预测肝移植后48小时内的AKI。使用梯度升级技术的模型构建具有最 好的性能,其AUROC为0.90。