研究目的:
急性胰腺炎的发展情况各不相同:有些患者病情迅速恶化,需要入住重症监护室,而另一些患者则会出现迟发性并发症,如外分泌胰腺功能障碍和胰腺源性糖尿病。现有的评分系统使用起来较为繁琐,无法在患者首次就诊时就进行评估,而且也不太适合预测长期预后。
研究方法:
我们的人工智能平台利用常规收集的电子健康记录数据,能够预测首次被诊断为急性胰腺炎后的三种结局:(i)是否需要入住重症监护室(当日、1周内、2周内),(ii)是否会出现外分泌胰腺功能障碍,(iii)那些此前没有糖尿病诊断或未服用降糖药物的患者是否会出现胰岛素依赖。这些模型是通过一个包含1.64亿人的美国医疗数据数据库进行训练和验证的。
研究结果:
我们得到的受试者工作特征曲线下面积分别为:当日需入住重症监护室的为0.986,1周内需入住的为0.933,2周内需入住的为0.927。对于长期预后而言,男性出现外分泌胰腺功能障碍的AUC值为0.913,女性为0.901;男性出现胰岛素依赖的AUC值为0.861,女性为0.884。已知的慢性胰腺炎风险因素(如肥胖、烟草依赖等)在该模型中也能被准确识别,且效应值较大、显著性较高,这为该模型的科学性提供了支持。那些负相关的结果与疾病的病因类型、竞争性风险以及医疗资源使用情况相符。
研究结论:
ZeBRA这一人工智能平台仅依靠来自美国医疗数据系统的已有编码纵向数据,就能无需额外测试即可同时预测急性胰腺炎患者病情的早期恶化情况以及迟发性胰腺并发症,为这类患者的早期风险分层和针对性随访提供了可扩展且易于理解的方法。不过,要在这类方法得到更广泛的临床应用,还需要在其他国家或地区进行外部验证,尤其是那些数据编码和医疗服务体系不同的地方。


