急性肾损伤（AKI）是住院患者常见的危急重症，发病率高、死亡率高，目前尚无特效治疗方法，早期识别AKI高危患者是防治AKI、改善预后的关键。近期，北京大学第一医院联合国内多家医院团队，在住院患者临床大数据的基础上开发并验证了中国首个住院患者AKI实时预测模型，研究成果发布于《Nature Communications》。该模型已获国家发明专利授权，与电子病历系统有机结合可实时动态预测全院患者发生AKI的风险，有助于临床医生进行精准防控。
图1 模型推导、内部验证和外部验证队列流程图
【模型推导队列和5个验证队列的人口统计学特征有所不同（表1）】
模型推导队列（研究中心1）患者平均年龄59.1±16.3岁，43.7%为女性，内部验证队列（研究中心1）患者特征与推导队列相似。
与模型推导队列相比，研究中心2和研究中心3的外部验证队列患者临床病情更严重，入住 ICU 的患者比例更高（研究中心1、2和3：3.3%vs. 4.8%vs. 8.6%）。
与模型推导队列相比，研究中心4和研究中心5的患者心内科住院比例更高（研究中心1、4、和5：41.2%vs.61.4%vs. 71.1%），手术比例较低（研究中心1、4和5：35.7%vs.14.2%vs. 17.3%）。此外，研究中心4的患者入住 ICU 的比例远低于推导队列（研究中心1，4：3.3%vs. 1.6%）。
既往临床疾病状况方面，在6个队列中，研究中心3的患者患慢性肾脏病 (CKD) 的比例最高，入院时的平均估算肾小球滤过率 (eGFR) 最低，尿蛋白阳性率最高。
在模型推导队列（n=47750）中，1739（3.6%）例患者在住院期间发生AKI，652（1.4%）例住院期间发生严重AKI。 内部验证队列（n=17,074）中AKI（4%）和严重AKI（1.6%）的发生率与模型推导队列中相似。 在外部验证队列（n=97,052）中，AKI和严重AKI的发生率分别为3.7~9.1%和1.4~3.4%。 按AKI状态分层分析人口统计学数据发现，与无 AKI 的患者相比，发生 AKI 的患者以年龄较大、临床病情较重且 ICU 入住比例更高为主要特征，且基线患有慢性肾脏病（CKD） 的比例更高，入院时血清肌酐、尿素血尿素氮水平更高，尿蛋白阳性率更高，炎症状态更严重，住院时间更长，在所有6个队列中的住院死亡率均更高。
表1 患者基线特征
AKI：急性肾损伤，ICU：重症监护病房，Scr：血清肌酐，eGFR：估算的肾小球滤过率，BUN：血尿素氮，ALT：丙氨酸转氨酶，AST：天冬氨酸转氨酶，RRT：肾脏替代疗法。
site1：北京大学第一医院，site2：四川省人民医院，site3：哈尔滨医科大学第二附属医院，site4：北京密云区医院，site5：太原中心医院。
该模型在模型推导队列中预测未来24、48和72小时内发生AKI的AUC分别为0.92（95%CI，0.90~0.93）、0.91（95%CI，0.90~0.92）和0.91（95%CI，0.90~0.91），发生严重AKI的AUC分别为0.95（95%CI，0.94~0.97）、0.95（95%CI，0.94~0.96）和0.94（95%CI，0.94~0.95）。
图2 模型在各中心住院患者中预测其发生AKI和严重AKI的AUC曲线
A：AKI在24、48、72 h内的AUC曲线；B：严重AKI在24、48、72 h内的AUC曲线；
AKI：急性肾损伤，AUC：曲线下面积，AUC值越接近1，表示分类器的性能越好。
site1：北京大学第一医院，site2：四川省人民医院，site3：哈尔滨医科大学第二附属医院，site4：北京密云区医院，site5：太原中心医院。
图3 48 h内AKI预测模型中临床特征的模型可解释性分析
A：在AKI的预测模型中包含的20个特征的SHAP总结图。内部验证数据集中的每个样本都表示为每个特征的一个点。点根据每个样本的特征值进行着色，并垂直累积以描述密度。
B：平均绝对SHAP值汇总图，表示每个特征对AKI预测的平均影响。
Scr：血清肌酐，ICU：重症监护室，NE：中性粒细胞，BUN：血尿素氮，SHAP：可解释性机器学习（Shapley Additive exPlanations）。源数据以源数据文件的形式提供。
参考文献：
1.Zhang Y, Lv J, Yang L,et al. Development and validation of a real-time prediction model for acute kidney injury in hospitalized patients. Nat Commun. 2025 Jan 2;16(1):68. doi: 10.1038/s41467-024-55629-5.
