vue-cli-subapp

基于人工神经网络构建肝硬化低钠血症患者院内死亡预测模型

2025-01-27 消化界 消化界 发表于陕西省

“消化前沿” 专栏本期解读论文,回顾性研究通过分析肝硬化低钠血症患者入院基线数据,用 ANN 构建院内死亡预测模型,该模型预测性能优于传统评分,有待外部验证。

引言

“消化前沿”专栏是北部战区总医院消化内科祁兴顺医生应《消化界》编辑部邀请联合发起的学术专栏,定期收集整理消化病领域的研究进展,每月(最后一周)挑选一篇重要文献进行精读讨论,希望能帮助读者知其然知其所以然,启迪临床科研思维、学以致用。今天为您带来第21期内容:基于人工神经网络构建肝硬化低钠血症患者院内死亡预测模型

文章简述

低钠血症是肝硬化最常见的电解质紊乱,其显著恶化患者结局(Borroni G, et al. Dig Liver Dis. 2000, 32: 605-10; Jenq CC, et al. J Clin Gastroenterol. 2010, 44: 220-6)。低钠血症被定义为血清钠低于135mmol/L(Aithal GP, et al. Gut. 2021, 70: 9-29),其在肝硬化伴腹水患者中的患病率约为50%(Angeli P, et al. Hepatology. 2006, 44: 1535-42)。一项对6796例等待肝移植患者的注册登记研究发现,血清钠每降低1mmol/L,患者的死亡风险就会增加5%(Kim WR, et al. N Engl J Med. 2008, 359: 1018-26)。此后,血清钠被纳入MELD评分组成了MELD-Na评分,以用于确定接受肝移植的优先等级(Kalra A, et al. Curr Opin Organ Transplant. 2016, 21: 120-6)。然而,目前仍缺乏对肝硬化伴高容量性低钠血症,特别是中、重度低钠血症的有效治疗措施(Alukal JJ, et al. Am J Gastroenterol. 2020, 115: 1775-85)。因此,早期识别出预后不良的肝硬化低钠血症患者对于改善患者的结局具有重要意义。

人工智能(AI),尤其是机器学习,已被广泛用于开发各种疾病的诊断和预后模型(Haug CJ, et al. N Engl J Med. 2023, 388: 1201-8)。如今,支持向量机、随机森林、决策树和人工神经网络(ANN)等几种AI方法已经被证明在多种疾病的筛查和诊断以及药物设计方面的表现优于传统方法(Nayarisseri A, et al. Curr Drug Targets. 2021, 22: 631-55)。其中,ANN是构建非线性复杂生物系统预测模型最常用的方法之一(Shao F, et al. Front Psychol. 2022, 13: 970214; Topol EJ. Nat Med. 2019, 25: 44-56);它已被成功用于预测早期肝细胞癌患者肝切除术后的存活率(Qiao G, et al. J Gastroenterol Hepatol. 2014, 29: 2014-20)、评估接受肝移植的优先等级(Bagheri Lankarani K, et al. J Biomed Phys Eng. 2022, 12: 591-8)、结直肠癌肝转移的管理(Rompianesi G, et al. World J Gastroenterol. 2022, 28: 108-22)、良恶性前列腺增生的区分(Sadoughi F, et al. Stud Health Technol Inform. 2014, 205: 481-5)以及慢性萎缩性胃炎的诊断(Zhang Y, et al. Dig Liver Dis. 2020, 52: 566-72)。既往研究表明,ANN模型比多因素Logistic回归和多元线性判别分析模型更加准确(Montie JE, et al. Cancer. 2001, 91: 1647-52; Grossi E, et al. Dig Liver Dis. 2007, 39: 278-85)

我们研究团队的Bai等于2024年11月在《Scientific Reports》正式发表了一篇题为《基于人工神经网络构建肝硬化低钠血症患者院内死亡预测模型》的文章。这是一项回顾性研究,旨在通过分析肝硬化低钠血症患者入院时的基线数据,通过ANN方法构建患者院内死亡预测模型。

研究筛选了2010年1月到2014年6月连续入住北部战区总医院的肝硬化低钠血症患者,按照1:1的比例,将纳入的患者随机分为测试队列和验证队列。在测试队列中,应用Logistic回归分析探讨与肝硬化低钠血症患者院内死亡独立相关的危险因素。基于ANN方法,在测试队列中构建肝硬化低钠血症患者院内死亡预测模型,并在验证队列中对构建的ANN模型进行内部验证。应用受试者操作特征曲线(ROC)方法,计算ANN模型、Child-Pugh评分、终末期肝病模型(MELD)评分以及MELD-Na评分的曲线下面积(AUC)。

最终,测试队列和验证队列分别纳入472和471例患者。多因素Logistic回归分析表明腹水、总胆红素(TBIL)、血清肌酐(Scr)以及国际标准化比值(INR)与肝硬化低钠血症患者院内死亡独立相关。基于ANN方法构建的预测模型的预测性能也显著优于Child-Pugh、MELD以及MELD-Na评分。

综上,我们构建了预测肝硬化低钠血症患者院内死亡的ANN模型,其具有良好的临床预测价值。

重要研究结果分析及其临床意义

一.纳入患者特征

图片

(表源自文献)

共纳入943例肝硬化低钠血症患者,平均年龄为59.35岁。其中,669例患者为男性,396例、325例、247例、219例和626例患者入院时分别患有乙肝、酒精相关性肝病、肝细胞癌(HCC)、急性上消化道出血(AUGIB)和腹水。100例患者在住院期间死亡。

二、测试队列和验证队列患者特征

图片

(表源自文献)

472例和471例患者分别被随机分配至测试队列和验证队列。与验证队列相比,测试队列的AUGIB比例显著较高(26.30% vs. 20.20%, P=0.027)、血红蛋白水平显著较低(92.06±30.06 vs. 96.49±28.12, P=0.010)。测试队列和验证队列的其他基线数据之间无显著统计学差异。

三.ANN模型的构建

图片

(表源自文献)

在测试队列中,单因素Logistic回归分析表明,腹水、白细胞(WBC)、TBIL、血清白蛋白(ALB)、丙氨酸转移酶(ALT)、Scr、血清钾、INR、Child-Pugh评分以及MELD评分与患者院内死亡显著相关。多因素Logistic回归分析表明,腹水(OR=2.705, 95%CI: 1.036-7.060, P=0.042)、TBIL(OR=1.004, 95%CI: 1.001-1.006, P=0.003)、Scr(OR=1.004, 95%CI: 1.001-1.007, P=0.017)和INR(OR=1.457, 95%CI: 1.123-1.891, P=0.005)与肝硬化低钠血症患者的院内死亡独立相关。

图片

(图源自文献)

基于上述独立危险因素,构建了预测肝硬化低钠血症患者院内死亡的ANN模型。

图片

(图源自文献)

在测试队列中,ANN模型的AUC显著高于Child-Pugh(0.865 vs. 0.757, P=0.0018)、MELD(0.865 vs 0.765, P=0.004)以及MELD-Na(0.865 vs. 0.769, P=0.0016)评分。ANN模型的Hosmer-Lemeshow检验值为10.369(P=0.240)。

四.ANN模型的验证

图片

(图源自文献)

在验证队列中,ANN模型的AUC仍然显著高于的Child-Pugh(0.810 vs. 0.502, P<0.001)、MELD(0.810 vs. 0.520, P<0.001)以及MELD-Na(0.810 vs. 0.510, P<0.001)评分。ANN模型的Hosmer-Lemeshow检验值为5.045(P=0.538)。

总结与展望

本研究构建了一个用于预测肝硬化低钠血症患者院内死亡的ANN模型,该模型在测试和验证队列中都表现出良好的预测性能;然而,目前只进行了内部验证,未来仍需对该模型进行外部验证。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2249796, encodeId=800b2249e965a, content=<a href='/topic/show?id=e8a5248442a' target=_blank style='color:#2F92EE;'>#人工神经网络#</a> <a href='/topic/show?id=03c5123e572b' target=_blank style='color:#2F92EE;'>#肝硬化低钠血症#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=3, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24844, encryptionId=e8a5248442a, topicName=人工神经网络), TopicDto(id=123757, encryptionId=03c5123e572b, topicName=肝硬化低钠血症)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Mon Jan 27 22:59:32 CST 2025, time=2025-01-27, status=1, ipAttribution=陕西省)]

相关资讯

JAMDA:NEAT人工神经网络对鉴别易跌倒老年人有效

背景;如何正确识别老年人存在的反复跌倒的风险是复杂而又困难的。为此,我们研究的主要目的是研究三个人工神经网络即MLP、调整后的MLP、NEAT,利用一系列与社区老年人跌倒因素相符合的临床特征,测试它们区分经常跌倒与不经常跌倒老年人的有效性(人工神经网络,简写为ANNs,是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接

IJNS:构建基于人工神经网络的外周置入中心静脉导管相关血栓形成预测模型

人工神经网络模型能有效预测接受化疗的乳腺癌患者外周置入中心静脉导管相关性血栓形成。

JAMA子刊:人工神经网络能否预测新生儿代谢性骨病的风险?

极低出生体重是最重要的预测因素,而怀孕期间使用硫酸镁可能是分娩前MBD的重要风向标。

综述|基于形态学影像后处理技术在局灶性皮质发育不良诊治中的研究进展

笔者查阅国内外相关文献,就基于形态学的影像后处理技术辅助FCD的诊治方面进行综述,以期为临床提供更多的参考。

Alzheimer Dementia:老年人朋友越多,认知能力或越好

老年人朋友越多,认知能力或越好