Page 142 - 南京医科大学自然版
P. 142

第44卷第11期
               ·1608 ·                           南 京    医 科 大 学 学         报                        2024年11月


              2.1  Logistic回归模型                                 和选择偏倚；未纳入脑钠肽、左心室功能、冠状动脉
                  Ma等  ［37］ 纳入3 772例PD患者，开发并验证了初                CT等心脏功能评估指标。Cox回归模型可分析带有
              始 PD 患者发生 PDAP 的 Logistic 回归预测模型，结                删失数据的资料并分析多个因素对生存时间的影响，
              果显示 PDAP 发生的绝对风险为 14.5%，年龄、心功                     但需注意删失比例过大会造成偏倚增大，故临床中需
              能、血清电解质、血脂、肝功能、血尿素氮和白细胞                           要更多大样本、多中心的数据，纳入更多因素去构建
              计数是最终风险评分中的重要预测因子，该模型的                            更可靠的Cox比例风险回归模型。
              一致性指数（concordance index，C⁃index）为 0.76，模
                                                                3  AI
              型性能良好，适用于发展中国家的初始 PD 患者，可
              作为筛查 PDAP 高风险人群的工具。Wang 等                ［38］ 利        AI 是利用计算机学习模拟人类行为的一门综
              用Logistic回归模型和列线图构建了预测PD患者出                       合性特殊学科，主要核心是机器学习，机器学习中
              现心脏瓣膜钙化的临床模型，纳入的危险因素包括                            的重要分支为深度学习。AI 利用非线性方法可更
              年龄、性别、收缩压、钙磷乘积、透析龄和查尔森合                           快更准地找到突破靶点，弥补传统方法的不足。随
              并症指数（Charlson comorbidity index，CCI），模型的          着大数据技术的蓬勃发展，AI 已广泛运用于与医
              C⁃index 为 0.845，有较高预测性能，具有良好的辨                    疗相关的多个领域，如医学成像和诊断                    ［43-44］ 、药物
              别力和准确性。刘晨媛等             ［39］ 基于Logistic回归建立       开发  ［45］ 、病历档案管理    ［46］ 、疾病诊断和预后      ［47-48］ 等。
              了预测 PD 患者发生医院感染的列线图，纳入的预                          近年来，深度学习技术飞速发展，对图像语音识别、
              测指标有Alb、CRP、血红蛋白、血磷、透析龄、营养状                       自然语言理解等多个领域产生了颠覆性改变。在
              态、糖尿病病史，模型的 C⁃index 为 0.962，预测性能                  实际应用中，机器学习和深度学习也各有优缺点。
              较准。通常认为，构建Logistic回归分析模型对数据                       3.1  机器学习
              的完整度要求较高，预测效能与样本量、数据完整                                 Xu等 ［49］ 纳入1 006例PD患者，通过机器学习预
              度密切相关，临床常用来筛选与 PD 相关的一些危                          测 PD 患者发生心力衰竭住院的风险，发现机器学
              险因素；不足的是其仅考虑PD随访结局，未考虑出                           习较 Cox 回归模型有更好的区分能力，且能准确预
              现结局的时间长短，即无论结局变量发生在随访早                            测 PD 患者出现心衰和全因死亡的风险，其中分布
              期还是晚期，对其处理均相同。                                    式梯度增强库模型（AUC为0.871）预测PD患者死亡
              2.2  Cox回归模型                                      率的效果最佳，并归纳出 PD 患者死亡的危险因素
                  陈婷等   ［40］ 采用 Cox 回归模型筛选出高龄、血总                有年龄、CCI评分、肌酐、高密度脂蛋白胆固醇、总胆
              胆固醇、卒中史、NLR 是 PD 死亡的独立危险因素，                       固醇、基线肾小球滤过率。Yang 等               ［50］ 利用常见的
              Alb是保护因素；用R语言构建模型，训练集和验证                          5 种机器学习算法构建预测 PD 预后的模型，发现
              集的C⁃index分别为0.815和0.804，能较准确预测患                   Cat Boost 模型预测性能最佳，该模型是 1 种基于梯
              者1年、3年生存率，具有较高的外部实用性。Kang                         度提升决策树的机器学习算法，基本原理是通过迭
              等 ［41］ 为评估 PhA 在预测 PD 患者死亡率和技术失败                  代添加新的决策树来改进现有预测模型的性能，每
              方面的作用，利用 Cox 回归模型对 PhA 与其他危险                      棵新的决策树都在负梯度方向上生长，从而使损失
              因素（Alb、BMI、CRP、尿量）的可预测性进行比较，                      函数最小化。其还采用了1种“基于树的模型”的集
              发现 PhA 较其他指标能更有效地预测患者死亡                           成方法，可自动处理特征选择和特征缩放等任务，

             （AUC 为 0.80），且患者生存率和技术生存率与 PhA                     使模型更加高效，能有效处理分类特征，加快训练
              呈正比，单因素和多因素Cox回归分析结果一致，所                          速度并提高模型性能。临床可用于预测患者是否
              以 PhA 可能是预测 PD 患者生存率和技术生存率的                       适合PD治疗以及发生PDAP的可能性，从而为患者
              有效指标，对临床治疗有指导意义。Huang 等                  ［42］ 纳   制定最佳透析方案。Zang 等           ［51］ 通过多种机器学习
              入150例PDAP患者，采用Cox回归和列线图构建预                        开发并验证了预测 PDAP 患者技术失败的模型，发
              测 PDAP 发生心血管不良事件的模型，危险因素有                         现随机森林模型的预测性能最优异，同时发现 N 末
              Alb、碱性磷酸酶、65 岁以上、有 CVD 史和腹膜透析                     端 B 型利钠肽原、纤维蛋白原和铁蛋白是 PDAP 患
              液培养阳性，C⁃index为0.732，模型校准率一般。分                     者技术失败的重要预测因子，借助预测模型，可准
              析原因是研究样本量小，未进行外部验证，导致模                            确识别 PDAP 中易出现技术失败的高危患者，并提
              型临床意义降低；回顾性研究不可避免地存在回忆                            前进行干预。随机森林模型的原理主要是通过构
   137   138   139   140   141   142   143   144   145   146   147