Py学习  »  机器学习算法

机器学习预测重症监护中少尿性急性肾损伤患者的容量反应能力

深度学习辣汤小组 • 8 月前 • 194 次点击  

深度学习辣汤小组文献阅读学习之九十一

机器学习预测重症监护中少尿性急性肾损伤患者的容量反应能力

DeepLearning 深度学习辣汤小组

 2023/3/9 


2019年,来自浙江大学医学院附属邵逸夫医院的Zhongheng Zhang等人使用XGBoost和逻辑回归算法,开发了一种可用于区分急性肾损伤患者发生容量反应或容量无反应的预测模型,并在Critical Care(IF:19.3,医学 3区)期刊上发表题为“Machine learning for the prediction of volume responsiveness in patients with oliguric acute kidney injury in critical care”的文章。

DOI:

https://doi.org/10.1186/s13054-019-2411-z


一、研究背景

在重症监护室中,急性肾损伤(AKI,Acute kidney injury)是很常见的疾病。AKI少尿占AKI总人数的相当大的比例,它对液体管理提出了巨大的挑战。具有容量反应性急性肾损伤(VR-AKI,Volume-Responsive AKI)的患者能够通过输液或液体平衡改善排尿量。无容积反应性急性肾损伤(VU-AKI,Voulume-Unesponsive AKI)的患者采用液体疗法无法改善尿量,甚至可能加剧肾功能的恶化。由于器官功能障碍的早期改善与生存率的提高有关,所以确定哪些患者患有VR或VU AKI进而调整液体治疗策略十分重要。目前,关于如何在尿量反应方面识别VR-AKI和VU-AKI 患者的临床信息很少。这项研究的目标是使用机器学习技术来开发和验证AKI患者容量反应模型。

二、数据集

本文实验数据来自一个大型美国重症监护数据库,纳入了ICU入院后前6小时尿量<0.5ml/kg/h,随后6小时液体摄入量>5L的AKI患者。在排除了809名因在第一天接受了利尿剂和/或RRT的患者后,本文实验共纳入6682名患者。2456名患者出现VR-AKI,4266名患者出现VU-AKI(图1)。

本文研究的变量包括患者的年龄、性别、种族等常见临床信息。此外,还包括实验室数据,如葡萄糖、白细胞计数、血细胞比容等。以最初6小时后18小时以内的尿量为标准,如果患者的尿量大于0.65ml/kg/h,则视为VR-AKI。如果患者尿量增加量低于基线值的30%,被定义为VU-AKI。

三、方法

在模型开发过程中,整个样本按3:1的比例分成训练样本和测试样本。采用XGBoost和决策树相结合的方法预测VR-AKI和VU-AKI。XGBoost超参数包括学习率、在树的某个叶节点上进一步划分所需的最小损失减少量、树的最大深度、训练实例的子样本比。为了避免过度拟合,需要微调超参数。在本文中使用了bootstrap验证(BV,bootstrap validation),将原始数据集随机分成5个大小相等的子样本。最终XGBoost模型中的树数由最后100次BV迭代中每次测试日志损失的最小BV决定(图2)。

使用AUROC来评估模型辨别能力。特征重要性是通过将误差减少的总和除以一个变量来计算的,这反映了每个变量在分类VR-AKI和VU-AKI时所做的贡献。

四、结果与结论

根据图2显示的训练过程进行超参数调优,最终选择超参数为学习率= 0.04,最小损失减少= 10,最大树深度= 9,子样本= 0.6,树数= 300。如图3显示XGBoost的AUROC显著高于逻辑回归模型。尿肌酐是区分VR-AKI和VU-AKI最重要的变量,其次是最大尿素氮、年龄、白蛋白和最高温度(图4)。

这项研究表明,与VU-AKI相比,一些临床因素更可能与VR-AKI相关。XGBoost建模技术可以识别在使用逻辑回归时不明显的VR-AKI预测因子,从而产生更好的预测模型来识别VR-AKI的患者。使用先进的机器学习技术进行进一步的流行病学研究,将有助于确定最适合采用液体疗法的患者。

图1:选择患者流程图

图2:XGBoost的训练过程

图3:用于估计逻辑回归模型和XGBoost模型分辨力的接收机工作特性曲线

图4:XGBoost模型的特征重要性排序


Pepper soup transformed by: Geng Shi




  //  

深度学习辣汤AI小组由徐州医科大学以及徐州医科大学附属医院一群热爱人工智能的小伙伴们组成,欢迎大家跟我们交流学习!


扫码关注我们

欢迎加入我们!

成员微信号:cy2011mcu

添加好友时请备注:

您的 单位-科室-姓名-研究方向


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/173139
 
194 次点击