Machine learning prediction of clinical trajectories after N-terminal pro-B-type natriuretic peptide exceeds 35,000 pg/mL: a retrospective development and external validation study
这项回顾性研究开发并外部验证了一个机器学习模型，该模型利用常规可用变量，旨在预测在初始 N-末端脑钠肽前体（NT-proBNP）结果超过 35,000 pg/mL 后，短期内住院临床轨迹（具体为出院存活或 NT-proBNP 恢复正常），结果显示出中度的区分度，且这种区分度主要由生存结局而非生化指标的恢复所驱动。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
当心脏难以有效地泵血时，它会发出一种化学求救信号。医生通过测量一种被称为 N-末端 B 型利钠肽（NT-proBNP）的特定蛋白质来评估这种挣扎的严重程度。NT-proBNP 的水平越高，表明心脏承受的压力越大。这项检测是管理心力衰竭的标准工具，有助于临床医生判断谁需要紧急护理，以及谁可能正在康复。然而，测量这种蛋白质的机器存在一个极限。就像尺子在达到一定长度后就会停止一样，这些医学分析方法在浓度过高时也会停止报告精确数值。在研究人员使用的系统中，一旦浓度达到 35,000 pg/mL，机器就不再给出具体数字，而仅仅显示为“大于 35,000”。这造成了一个盲点。医生知道水平已经处于危险高度，但无法判断该数值是仅略高于极限，还是高出了许多倍。由于无法得知确切数字，追踪患者是否正在好转变得十分困难，因为通常通过观察数值下降来监测病情的方法已不再适用。
一组研究人员致力于解决这个“缺失数字”的问题。他们提出了一个实际的问题：如果一名患者走进医院时，其检测结果超出了量程，我们能否预测他们接下来的情况？他们并没有试图猜测那个隐藏的精确数字，而是建立了一个计算机模型来预测患者的临床历程。他们想知道患者是会活着出院，还是其病情会改善到足以让下一次检测显示的数值回到 35,000 的可测量范围之内。为了实现这一目标，他们从两组不同的患者中收集了数据。第一组来自一个大型公共医院记录数据库，第二组来自中国的一家当地医院。在这两组数据中，他们仅关注患者第一次获得那个“过高而无法测量”结果的时刻。随后，他们观察了之后发生的情况，并利用患者档案中提供的广泛其他信息，例如年龄、肾功能血液检测结果以及血液中其他蛋白质的水平。
研究人员训练了一个计算机程序来寻找这 27 种不同信息的模式。他们教程序识别哪些因素的组合最有可能导致患者活着离开医院，或者病情改善到使检测结果回到可测量范围。他们首先在第一组患者身上测试了这个程序，然后至关重要的一步是，他们锁定了设置，并在来自当地医院的完全独立的第二组患者身上进行了测试。第二次测试非常重要，因为它展示了该模型在面对从未见过的新人群时是否依然有效。结果显示，该模型表现得相当出色。在第一组中，它的 AUC 为 0.76。当应用于第二组独立样本时，其性能甚至有所提升，AUC 达到了 0.81。这表明该模型可以可靠地识别哪些患者更有可能获得较好的短期预后，以及哪些患者处于更高风险之中。
然而，研究人员发现关于模型实际预测内容的发现非常令人惊讶。他们分解了结果，以查看模型是否擅长预测两件特定的事情：患者是否会活着出院，以及患者的下一次血液检测是否会显示出一个较低的可测量数值。该模型在预测谁会活着出院方面表现得非常好。但在预测患者的心力衰竭是否会改善到足以让蛋白质水平回到可测量范围时，它的表现并不理想。事实上，对于那些接受了血液复检的患者，该模型在预测数值是否会下降方面，表现并不比随机猜测更好。这意味着该模型并不是一个用来猜测隐藏的化学数值或追踪心脏生物学恢复的工具。相反，它是一个预测患者整体临床命运的工具。它告诉医生，一名检测结果“爆表”的患者很可能会在住院期间存活下来，即使血液检测值本身仍停留在最大限制值。
该研究得出结论，这种方法为管理患者提供了一种有效途径，尤其是在常规检测失效时。如果一名患者的检测结果是机器无法量化的，医生可以使用该模型，根据其其他生命体征和血液检查结果来了解患者的短期预后。模型表明，虽然心脏可能仍承受着极端压力，但患者的整体状况可能已经稳定到足以出院。研究人员强调，该工具不应被用于做出自动化的治疗决策，也不应仅凭模型预测了良好结果就假设心脏已经康复。它是一个风险分层指南，帮助医生决定谁需要更密集的监测。在将此模型应用于日常实践之前，需要对其进行微调以适应新医院的具体患者群体，并进行实时测试以确保其能帮助医生做出更好的决策。目前，它作为一个范例，证明了即使关键测量指标触及瓶颈，其他可用数据仍能为患者的护理照亮前行的道路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。