基于常规外周血指标的可解释机器学习模型预测碳青霉烯类耐药肺炎克雷伯菌感染:一项回顾性开发与验证研究

《Infection and Drug Resistance》:Development and Validation of an Interpretable Machine Learning Model for Predicting Carbapenem-Resistant Klebsiella pneumoniae Using Routine Peripheral Blood Indicators: A Retrospective Study

【字体: 大 中 小 】 时间:2026年10月09日 来源:Infection and Drug Resistance 3.2

编辑推荐:

  目的:本研究旨在利用常规外周血指标开发并验证一种可解释机器学习模型,用于早期预测碳青霉烯类耐药肺炎克雷伯菌(CRKP)感染,在抗菌药物敏感性试验结果产生前提供快速风险评估工具。方法:对2024年6月至2025年6月期间285例培养确诊肺炎克雷伯菌感染患者进行回

  
目的:本研究旨在利用常规外周血指标开发并验证一种可解释机器学习模型,用于早期预测碳青霉烯类耐药肺炎克雷伯菌(CRKP)感染,在抗菌药物敏感性试验结果产生前提供快速风险评估工具。方法:对2024年6月至2025年6月期间285例培养确诊肺炎克雷伯菌感染患者进行回顾性研究(242例碳青霉烯类敏感肺炎克雷伯菌(CSKP),43例CRKP),所有分离株均来自痰标本。鉴于CSKP(n=242)与CRKP(n=43)组间显著类别不平衡,通过LASSO回归和Boruta算法筛选关键特征。构建六种机器学习模型,采用合成少数类过采样技术(SMOTE)处理类别不平衡,并采用分层5折交叉验证优化。通过曲线下面积(AUC)、准确度、校准曲线、决策曲线分析(DCA)评估模型性能,并由SHapley Additive exPlanations(SHAP)解释。结果:确定七个核心预测因子(HGB、LYMPH_p、NEUT_p、MONO、BASO、PCT、AISI)。随机森林模型表现最佳,AUC为0.863(95% CI:0.672–0.980),准确度0.821,敏感度0.750(95% CI:0.571–1.000),特异度0.834(95% CI:0.643–0.841),Brier评分为0.077。DCA显示在阈值概率0.1–0.8范围内具有明确净获益。SHAP分析证实全身炎症聚合指数(AISI)是最重要预测因素。结论:基于常规外周血指标的可解释预测模型在本单中心回顾性研究中显示出良好区分度、校准度和临床效用。其有潜力辅助CRKP感染早期风险分层并支持临床决策。在临床实施前需进行外部多中心前瞻性验证。
研究背景与问题:肺炎克雷伯菌(Klebsiella pneumoniae)可引起血流感染等侵袭性感染,发病率和死亡率高。碳青霉烯类抗生素是多重耐药(MDR)感染的最后防线之一,而碳青霉烯类耐药肺炎克雷伯菌(CRKP,对碳青霉烯类抗生素不敏感的肺炎克雷伯菌)的出现和流行使有效治疗选择减少、临床结局恶化并增加医疗负担。CRKP自2001年首次报告,被世界卫生组织(WHO)列为关键优先病原体。其耐药机制包括产生碳青霉烯酶、AcrAB-TolC外排泵过表达以及外膜孔蛋白OmpK35和OmpK36改变。CRKP感染率存在地域差异并呈上升趋势;中国部分地区从2008年2.5%升至2018年15.8%;美国国家医疗安全网络(NHSN)数据显示医疗相关碳青霉烯类耐药肠杆菌科感染从2001年1.2%升至2011年4.2%。韩国2022年全国研究显示碳青霉烯类耐药肠杆菌科感染中肺炎克雷伯菌占77.0%,30天死亡率29.3%,经济负担沉重。CRKP感染死亡率约为敏感株两倍。传统培养药敏试验(AST)需48–72小时,危重患者常被迫经验性广谱治疗,延迟目标治疗与死亡率增加相关,CRKP感染中可达35%。快速分子诊断可缩短窗口至数小时,但需专用仪器和昂贵试剂,常依赖先前阳性培养或分离株,资源有限地区不可用。因此基于常规实验室参数的预测模型具有补充价值。CRKP感染通常更严重持久,引起先天免疫过度激活,表现为中性粒细胞增多、单核细胞增多和代偿性淋巴细胞减少;降钙素原(PCT)随菌量升高且在多药耐药株中高于敏感株;中性粒细胞与淋巴细胞比值(NLR)、系统性免疫炎症指数(SII)、全身炎症聚合指数(AISI)等复合炎症指数整合细胞变化,量化全身炎症负担和免疫状态。机器学习(ML)可提取多维医学数据中的非线性关系。既往模型多依赖血培养、AST或电子病历结构化变量,AST结果前不可得,且少有可解释框架。为此研究人员开展回顾性研究,假设入院24小时内常规外周血指标可在AST前准确预测KP碳青霉烯耐药。

关键技术与方法:单中心回顾性研究,数据来自吉林省人民医院电子病历(EMR)系统,2024年6月至2025年6月,285例培养确诊KP感染患者,242例CSKP和43例CRKP,所有分离株来自痰标本。按7:3分为训练集和内部验证集。训练集采用LASSO回归和Boruta算法筛选变量,仅训练集应用SMOTE,并行分层5折交叉验证和网格搜索嵌套5折交叉验证。构建逻辑回归(LR)、决策树(DT)、随机森林(RF)、极端梯度提升(XGBoost)、轻量梯度提升机(LightGBM)和人工神经网络(ANN)六种模型。评估AUC、准确度、敏感度、特异度、F1、Brier、校准曲线和DCA,并用SHAP解释。

研究结果:
基线信息:285例中CSKP 242例、CRKP 43例。性别(男性63.22% vs 76.74%,P=0.123)和年龄(中位74.00 vs 76.00岁,P=0.117)无显著差异。CRKP组MONO(0.57×109/L vs 0.44×109/L,P=0.001)、BASO(0.02×109/L vs 0.02×109/L,P=0.022)、PCT(25.90 ng/L vs 6.90 ng/L,P=0.007)和AISI(605.22 vs 380.12,P<0.001)显著升高;HGB、NEUT_p、LYMPH_p无显著差异。
关键预测因子识别:对36个候选变量进行L1正则化LASSO,十折交叉验证选最优λ,得到12个非零系数预测因子;Boruta算法识别19个特征;取交集获得7个核心预测因子:HGB、LYMPH_p、NEUT_p、MONO、BASO、PCT、AISI。
模型性能:六模型在独立验证集评估。RF最佳:准确度0.821,敏感度0.750,特异度0.834,AUC 0.863,F1 0.545,Brier 0.077。AUC排序RF最高,DT 0.851,LightGBM 0.836,XGBoost 0.826,LR 0.799,ANN 0.646;DeLong检验两两无统计学显著差异。AISI单独AUC 0.652,hs-CRP 0.638,PCT 0.630。DCA阈值0.1–0.8净获益高于treat-all和treat-none。分层阈值<0.1低风险,0.1–0.5中风险,>0.5高风险;最佳阈值0.2,敏感度75.0%,特异度83.4%。校准Brier 0.077。混淆矩阵正确识别83.33%阴性、75.00%阳性。RF选为最终模型。
模型解释:SHAP显示AISI最重要,MONO、BASO、HGB次之,LYMPH_p、PCT、NEUT_p随后。AISI升高增加CRKP风险,HGB高降低风险。瀑布图和力图显示AISI主导;依赖图显示HGB低与风险升高,高则风险降低并平台;NEUT_p呈U形,低/高增加、中间降低;LYMPH_p、MONO、BASO、PCT非线性从负到正;AISI随水平升高阶梯式正向增加,>1000最陡。

讨论与结论:讨论部分总结显示,SHAP全局重要性分析将AISI确定为CRKP感染关键预测因子,AISI升高与感染风险正相关。AISI作为新型全身炎症标志,可能反映炎症、免疫和凝血相互作用。持续CRKP感染可能放大全身炎症形成恶性循环;过度炎症招募髓系免疫细胞、破坏局部微环境,可能促进耐药病原增殖和耐药基因水平转移与播散;炎症介质、活性氧和内源性抗菌物质可能诱导细菌应激耐受、上调耐药相关基因并促进耐药表型。AISI升高提示炎症失控和免疫防御受损。AISI预测MDR病原的证据有限,但其计算基础与SIRI和SII相似,二者已被验证为耐药感染稳健预测因子,支持其生物学合理性;这些解释是ML分析识别的预测关联而非因果机制。HGB负相关,MONO、NEUT_p、BASO和PCT正相关。HGB降低与炎症性贫血和严重感染免疫抑制有关;严重MDR感染促炎细胞因子破坏铁代谢、抑制骨髓造血、加速红细胞破坏,低HGB降低组织氧供、损害先天免疫。NEUT_p、MONO、BASO升高提示先天免疫持续激活;CRKP招募中性粒细胞和单核细胞。淋巴细胞减少诱导干扰素-γ(IFN-γ)缺乏,损害巨噬细胞杀菌和抗生素疗效;LYMPH_p较高部分保留适应性免疫,增强抗原呈递和杀菌抗体合成,表现保护效应。PCT由革兰阴性内毒素诱导,随菌量和严重度升高,既往研究显示MDR高于敏感(P=0.02)。优势:仅用常规外周血指标,入院数小时可得;在AST前诊断窗口提供风险分层;SHAP提供个体化透明解释。RF模型AUC 0.863与已发表列线图相当或更优,但直接比较受人群、结局定义和验证策略差异限制;变量较少(7个 vs 6–10个)且仅常规实验室数据增强实用性,可能遗漏临床相关风险因素。局限:单中心回顾性,仅内部验证;CRKP病例少(43/285),EPV约6.1,低于逻辑回归推荐阈值10;RF集成方法有正则化机制部分缓解过拟合,但敏感度95%CI 0.571–1.000和特异度95%CI 0.643–0.841较宽;EMR记录不完整导致部分既定风险因素未纳入;所有分离株来自呼吸道标本,限制其他感染部位;模型为决策支持而非AST替代。需多中心前瞻性大队列验证。

研究结论翻译:本研究旨在开发并内部验证基于常规外周血参数的可解释机器学习模型,用于CRKP感染早期风险预测。利用单中心回顾性临床队列和双算法特征选择(LASSO联合Boruta),确定七个核心预测因子:HGB、LYMPH_p、NEUT_p、MONO、BASO、PCT和AISI。最佳RF模型在独立内部验证集表现出良好区分性能,AUC 0.863,准确度、敏感度和特异度良好。校准曲线分析证实高保真,Brier 0.077,预测与观察概率高度一致。DCA显示阈值概率0.1–0.8内净获益高于treat-all或treat-none。总之,该模型为CRKP感染风险分层提供简单、可解释方法,有潜力在正式药敏结果前辅助早期干预和个体化管理。但单中心回顾性设计、CRKP病例有限和缺乏外部验证限制普遍性;临床实施前需外部多中心前瞻性验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号