AI可以预测烧伤与创伤患者的急性肾损伤

2022-09-03 20:08:20 编辑：缪灵利来源：

导读根据《科学报告》上发表的一项新研究，可以训练机器学习(ML)算法来预测烧伤和创伤患者在最初24小时内的急性肾损伤(AKI)。 AKI是重症患者的...

根据《科学报告》上发表的一项新研究，可以训练机器学习(ML)算法来预测烧伤和创伤患者在最初24小时内的急性肾损伤(AKI)。

“ AKI是重症患者的常见并发症，”加利福尼亚大学戴维斯分校病理学和实验室医学系Hooman H. Rashidi医学博士及其同事写道。“特别是，严重烧伤的患者处于高风险状态，高达58%的人患有AKI。对AKI的早期认识有助于指导这些人群的液体复苏和滴定肾毒性药物的剂量。”

在注意到烧伤患者和非烧伤创伤患者之间的AKI分类相似之后，研究人员旨在观察是否可以将一个患者群体(烧伤患者)的数据应用于关注另一人群(非烧伤创伤患者)的研究。该团队的初始数据集(群组A)包括50名成年患者，其灼烧面积至少占其总体表面积的20%，然后是第二个数据集(群组B)，其51位患者具有烧伤，其灼烧度至少占其总体表面积的20%区域或不烧创伤有关的伤害被带到每个模型的“确定普遍性”。

然后，在同类群组A和同类群组B上开发并验证了5种ML算法(逻辑回归(LR)，k最近邻，随机森林，支持向量机和多层感知器深度神经网络(DNN))。 LR和DNN模型在准确性(92%)，敏感性(91%)，特异性(93%)和AUC(92%)方面表现最佳。

此外，研究小组还报告说，在队列A和队列B中，嗜中性粒细胞明胶酶相关的脂蛋白(NGAL)均可预测AKI。不包括NGAL的AI模型始终“显示出较低的性能指标”。作者认为，将NGAL包括在内是“可能”为什么其模型的性能优于先前研究中使用的模型的原因。

作者写道：“我们的研究突出了ML在增强高危人群中AKI生物标志物性能方面的潜在能力，并强调了在不同模型中进行泛化研究的深远重要性。”“具体来说，我们的数据表明，当ML与其他已知的生物标志物组合使用时，ML能够增强NGAL的预测能力和临床敏感性。”

标签：

免责声明：本文由用户上传，如有侵权请联系删除！