準確預測SOFA分值！AI助力識別新冠危重癥患者病情變化｜JIM
導讀
算法模型預測新冠危重癥患者病情變化的AUROC值為0．86；另外，借助算法模型對關鍵因素的“可解釋性”，或能深入了解新冠重癥患者病情進展的病理生理機制。
近期，一篇發表在Journal of Intensive Medicine的論文表示，COVID－19（新型冠狀病毒肺炎）已成為全球最嚴重的突發公共衛生事件之一，截至2021年9月底，全球報告的死亡人數已超過470萬，如何準確識別新冠危重癥患者的病情變化對于優化醫療資源分配、提高患者生存率至關重要。
在此背景下，研究人員使用機器學習算法構建了預測模型，對入住ICU的新冠患者進行SOFA（序貫器官衰竭評分）分值預測。結果顯示，預測模型的AUROC值為0．86，可有效預測危重癥患者的病情變化；另外，算法模型對關鍵因素的“可解釋性”，或能助力深入了解新冠重癥患者病情進展的病理生理機制。
01
研究過程
兩個時間節點的SOFA分值比較
SOFA分值是評估危重癥患者病情的重要指標。一項研究證明了SOFA與新冠患者微循環變化之間的聯系：只有SOFA＜10分的患者才可通過增加毛細血管密度和血細胞比容來提升其氧攝取能力，而SOFA≥10的患者缺乏這種能力且具有較高水平的白細胞計數；同時說明SOFA分值高、微循環系統損傷的新冠患者預后或更差。
危重癥患者的SOFA分值主要根據其PaO2／FIO2、血小板、膽紅素等變量數據進行計算，這些數據一般來源于患者病歷，機器學習算法可從中識別相關聯的危險因素進行疾病預測。而在該研究中，研究人員選擇了XGBoost（極限梯度提升）算法進行建模，這種機器學習算法不易過擬合、可解釋性高，在醫學預測任務中優于其他算法。
研究人員從RISC－19－ICU注冊中心檢索到1613名新冠危重癥患者，根據膿毒癥3．0定義，患者SOFA分值增加≥2 分或減少≤ 2分可理解為病情惡化或改善，因此，研究人員在排除入院第1天或第5天SOFA評分缺失、以及兩個時間點之間SOFA分值變化≤1分的患者后，篩選了675名患者納入研究。這些患者入住ICU時或24小時內的相關癥狀、實驗室生理指標被用作預測因子，結合入住第5天的數據分析出病情變化。
圖1 收集相關數據以及預測結果輸出的時間線
XGBoost算法的應用過程包括數據集選擇、數據預處理、算法建模、性能評價四部分（圖2），研究人員在模型預測過程中，基于SOFA分值的變化，一旦識別到患者的病情惡化或改善，就會分析影響結果的相關變量的特征重要性。
圖2 算法建模及預測過程
02
結果評價
兩種算法模型性能及特征排序比較
由于這是一項回顧性研究，研究人員在算法模型輸出結果前，已對納入研究的675 名患者的實際SOFA分值、各項變量評分情況等信息進行分析匯總。其中，有385名患者發生SOFA評分增加，290名患者SOFA評分降低，以此評價算法模型的性能及其可解釋性。
研究結果顯示，XGBoost模型準確預測了320名患者（83％）的SOFA評分增加，210名患者（72％）的評分降低，平均ROC曲線下面積為0．86；并如預期的那樣，模型將Glasgow評分、休克狀態、血管加壓藥的使用、膽紅素濃度作為SOFA評分最相關的特征，而其他與患者預后相關的呼吸支持類型、APACHE II評分等特征也有助于準確預測（圖3）。
圖3 XGBoost模型性能及影響結果的最重要特征
研究人員同時使用邏輯回歸這一傳統機器學習算法建模，以進行兩種算法模型的性能評價。結果顯示，69％SOFA評分增加的患者、72％評分降低的患者被邏輯回歸模型準確預測，對應的平均ROC曲線下面積為0．69。說明在預測任務上，XGBoost明顯優于邏輯回歸算法。
值得一提的是，邏輯回歸模型判斷的最重要特征與XGBoost模型的差異較大，其中相同的僅有SAPS II評分、膽紅素濃度和入住ICU時去甲腎上腺素的使用這三個特征。
圖4 邏輯回歸模型性能及影響結果的最重要特征
研究人員認為，基于XGBoost算法設計CDSS，可為臨床管理ICU患者病情提供決策支持。另外，該算法模型可解釋性高，能夠識別與COVID－19并發癥發展直接相關的因素，用于非ICU科室可幫助臨床預測患者發展成危重癥的可能性。但由于該研究缺乏非ICU數據集的驗證，影響了對算法模型普適性的評價，未來應在真實臨床環境中進一步驗證。
參考材料：
Montomoli Jonathan， et al． Machine learning using the extreme gradient boosting （XGBoost） algorithm predicts 5－day delta of SOFA score at ICU admission in COVID－19 patients［J］． Journal of Intensive Medicine，2021，1（2）：
【責任編輯：杰西】
——本公眾號所有圖文，未經許可，嚴禁轉載！
如需轉載，請提前與編輯聯系取得轉載許可。否則視為侵權！
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
