Early Mortality Prediction in Upper Gastrointestinal Bleeding Using Explainable Machine Learning: Comparison with Established Clinical Risk Scores

请将急诊科（ED）想象成一个繁忙的火车站，每天都有成千上万的乘客（患者）抵达，有些只是为了赶一趟快速转乘，而另一些则迫切需要立即救援。在这些人当中，有一类特定的群体带着“上消化道出血”（UGIB）而来——这是一个高级术语，指的是胃部或食管上部的严重出血。医生们面临的最大挑战是扮演一名超级聪明的列车长：他们需要瞬间识别出哪些乘客面临着无法在 30 天内到达目的地的危险，以便将他们送往 VIP 救援队（重症监护室），而不是让他们在候车室等待。

多年来，列车长们一直使用一套旧的、印刷好的规则手册，即“临床风险评分”（如 Glasgow-Blatchford 评分、Rockall、AIMS65 以及较新的 ABC 评分）。这些规则手册就像简单的清单：“如果患者超过 65 岁，加 1 分；如果血压低，再加 1 分。”它们虽然有效，但有些僵化，就像一个只理解直线、无法理解人类身体在压力下如何应对复杂且纠缠不清的反应的机器人。

欢迎来到新挑战者：一支机器学习（ML）侦探团队，具体是一个名为 XGBoost 的模型。请不要把这个模型看作一份清单，而要把它看作一位超级敏锐的侦探，能够发现人群中人类肉眼可能会忽略的隐藏模式。这位侦探不仅观察单一事物，他还会观察患者走进急诊科门诊那一刻可用的 63 种不同线索——比如他们的年龄、呼吸频率、血糖水平，甚至还有白细胞计数。

巅峰对决
研究人员收集了从 2015 年 1 月 1 日 到 2026 年 1 月 1 日 期间在急诊科就诊的 719 名患者的数据。在这其中，有 53 名患者（约 7.4%）不幸在 30 天内去世。目标是观察这个新的机器学习侦探是否比旧的规则手册能更好地预测这些死亡情况。

结果就像一场令人惊喜的比赛。旧的规则手册尽力而为，其中最新的一本——ABC 评分——是其中跑得最快的，它实现了一个“得分”（AUROC）为 0.742。但 ED XGBoost 模型仅利用患者到达时即可获得的信息，跑出了一个略微领先的成绩，得分为 0.789。

这里有一个转折：论文指出，机器学习模型与表现最好的旧规则手册（ABC 评分）之间的差异并非巨大的、无可争议的胜利。数学计算表明，这个差距很小，以至于可能仅仅是数字上的巧合（p 值为 0.264）。然而，机器学习模型做到了旧书无法做到的事情：它在“校准”方面表现得出色得多。想象一下一位天气预报员：旧的书籍可能会说“有 50% 的降水概率”，但实际上却是一场暴雨。机器学习模型的预测更接近真实的天气，其“布里尔分数”（Brier score，一种衡量预测误差的指标）为 0.061，而 ABC 评分为 0.142。用通俗易懂的话说，机器学习模型不仅是在猜测谁会生病，它还能更准确地猜测他们会生多重的病。

“神奇”的 15 个线索
研究人员想：“我们需要所有的 63 个线索吗，还是我们可以只使用前 15 个？”他们尝试缩小侦探的工具箱。在初步实验中，一个仅包含 15 个变量（如淋巴细胞计数、乳酸和白蛋白）的微型模型似乎运行得更快，达到了 0.814 的得分。

但论文在这里非常谨慎。当他们用一种更严格、更谨慎的方法来测试这个微型模型时（以确保他们不是仅仅在利用特定数据走运），得分略微下降到了 0.765。作者认为，最初那个“超高”的得分部分是因为模型对训练数据过于熟悉了。即便如此，这个微型模型的表现依然出色，并且优于 ABC 评分。

侦探发现了什么
利用一种被称为 SHAP 的特殊工具（它就像一个放大镜，可以观察哪些线索最为重要），模型揭示了最重要的危险信号。头号嫌疑人是：

• 乳酸： 高水平（死亡者为 2.50 mmol/L，对比生存者为 1.70 mmol/L）是一个巨大的红灯。这就像汽车引擎过热；意味着身体无法获得足够的氧气。
• 淋巴细胞计数： 低水平（0.95 对比 1.55）表明免疫系统正在挣扎。
• C 反应蛋白： 高水平（12.0 mg/dL 对比 3.46 mg/dL）指向严重的炎症。
• 白蛋白： 低水平（3.30 g/dL 对比 3.59 g/dL）暗示了营养不良或长期压力。

论文排除了什么
该研究明确反对这样一种观点，即你 必须 等待内窥镜检查（一种在胃部内部进行的摄像检查）或输血记录来预测谁会死亡。这个“全模型”（包含了这些后续细节）的表现与“急诊模型”（仅使用初始数据）几乎完全相同。作者认为，患者的整体身体状态以及他们的身体如何应对出血，比出血本身的具体细节更为重要。

最终裁定
论文结论认为，这些新的机器学习模型是具有前景且实用的工具，可以帮助医生在患者进入医院的那一刻做出更好的决策。它们比旧的规则手册更准确，校准度也更高。然而，作者很诚实：这只是针对一家医院的单一研究，且死亡病例数量（53 例）相对较少。他们建议，在我们将这些模型交给医生在现实生活中使用之前，需要在其他医院进行测试，以确保它们在任何地方都有效。这是一个强烈的暗示：急诊护理的未来可能会看起来像一位超级聪明的侦探，但我们尚未完全到达那里。