机器学习“杀疯了”！中国学者挖掘公共数据+9个机器学习模型，直接拿下Cell子刊！
文摘
科学
2024-08-27 18:34
浙江
![]()
机器学习法已经发表了好几篇高分文章，今天这又是一篇机器学习的高端玩法！中国学者使用MIMIC-IV数据库以及自有队列数据，建立了9个机器学习模型，构建和评估最佳预测模型，直接拿下Cell子刊！
2024年6月27日，浙江中医药大学的学者用MIMIC-IV 数据库和自有数据，在顶级期刊Cell子刊《iScience》（医学二区，IF=4.6）发表题为：“Risk prediction models for successful discontinuation in acute kidney injury undergoing continuous renal replacement therapy ”的研究论文，研究团队利用LASSO回归选择特征，建立了9个机器学习模型，旨在构建和评估接受连续性肾脏替代治疗(CRRT)干预的危重急性肾损伤(AKI)患者及时停止CRRT的预后模型。
研究结果表明，XGBoost模型在决定CRRT停药方面具有较强的预测能力。
急性肾损伤（AKI）是危重患者中常见的并发症，具有高发病率和高死亡率的特点，在全球范围内造成了极大的疾病负担。据统计，全世界大约20%-50%的重症监护室（ICU）患者会经历AKI，而连续性肾脏替代治疗(CRRT)是AKI常用的治疗方式。机器学习（ML）作为AI的一部分，在医疗领域发挥着重要的作用。在目前的研究中，学者们主要致力于用现有的ML构建针对AKI患者的早期预警和预后模型，缺少对CRRT停药时间的临床风险预测模型的研究。本项研究纳入了MIMIC-IV的数据758名年龄≥18岁、确证为AKI并接受CRRT的符合条件的参与者用于模型开发，并从湖州市中心医院重症监护病房(ICU)纳入320名符合同样条件的参与者用于模型验证，所有人群的平均年龄为（63.79 ± 16.03）岁，SOFA（序贯器官衰竭评估）评分为（11.67 ± 4.25）。主要结局是成功停止连续性肾脏替代治疗(CRRT)，即患者在出院时存活且不再需要透析，出院前至少7天无任何形式的RRT。初步分析后发现，1078例患者中有382例（35.44%）成功中止CRRT。在培训队列（35.62%）和外部验证队列（35.00%）之间未观察到CRRT成功中止率的统计学显著差异。
随后，研究团队根据CRRT停药成功或失败将参与者分为两组，即成功组（n= 382）和失败组（n= 696）。基于初步分析的结果，同时考虑到实际的临床背景和专家意见，研究团队得出7个可纳入预测模型开发的特征。研究团队共使用了9个模型，包括最小绝对收缩和选择算子逻辑回归（Lasso-LR），决策树（DT），岭回归（RR），K-最近邻（KNN），光梯度增强机（LightGBM），随机森林（RF），极端梯度增强（XGBoost），支持向量机（SVM）和神经网络（NN）。最终，研究结果表明在训练集中，所有模型的AUROC都超过0.75。在验证集中，XGBoost模型的AUROC最高，为0.798，因此被选为开发临床应用在线计算器的最佳模型。综上所述，研究团队基于MIMIC IV数据库和湖州市中心医院的接受CRRT的阿基危重患者的真实临床数据。在进行了一系列全面的训练和验证程序后，XGBoost模型最终被选为可视化临床风险预测模型。该模型在培训队列和外部验证队列中均表现出良好的分化、校准和临床适用性。想要了解更多发文思路，不妨关注“公共数据库与孟德尔随机化”公众号！在这里你可以了解更多新指标，更多有关机器学习发文的文章！ 全国最大的医学统计公众号平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理
我们开展对临床预测模型、轨迹增长模型、医学免费数据库NHANES、GBD数据库、孟德尔随机化方法1对1R语言指导（一年内不限时间，周末、晚上均统计师一对一指导）。
详情联系助教小董咨询（微信号aq566665）
![]()
