《Renal Failure》:Machine learning-based nomogram for acute kidney injury after liver transplantation
编辑推荐:
摘要专业翻译
肝移植(liver transplantation, LT)术后急性肾损伤(acute kidney injury, AKI)是常见的并发症,与不良预后相关,但目前实用的术后早期预测工具仍然有限。本研究开展了一项回顾性研究,利用术后首次紧急血检(
摘要专业翻译
肝移植(liver transplantation, LT)术后急性肾损伤(acute kidney injury, AKI)是常见的并发症,与不良预后相关,但目前实用的术后早期预测工具仍然有限。本研究开展了一项回顾性研究,利用术后首次紧急血检(通常在术后1小时内获得)时已可获取的围手术期变量,开发并内部验证了一个可解释的LT术后AKI预测模型。研究筛查了2023年6月至2026年1月期间接受LT的成人受者。AKI根据改善全球肾脏病预后组织(Kidney Disease: Improving Global Outcomes, KDIGO)标准定义。在筛查的146例受者中,127例被纳入研究,并按3:1比例随机分为训练队列和验证队列。最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)回归筛选出基于CKD-EPI方程计算的估算肾小球滤过率(estimated glomerular filtration rate, eGFR)、无肝期时间、术后自然对数转换的D-二聚体[ln(D-dimer)]及术后丙氨酸氨基转移酶(alanine aminotransferase, ALT)。多变量逻辑回归分析显示,较低的eGFR和较长的无肝期时间与AKI独立相关。该列线图在训练队列中的受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)为0.861,在验证队列中为0.761。研究进行了五折交叉验证和Bootstrap内部验证以评估模型稳定性及乐观度。在评估的五种模型中,支持向量机(support vector machine, SVM)在验证队列中显示出数值最高的AUC(0.846)。Shapley加法解释(Shapley additive explanations, SHAP)分析确定eGFR为最主要的预测因子。该术后早期模型可能有助于识别高风险受者,以便进行强化肾功能监测和个体化管理。在常规临床实施前,仍需进行外部多中心验证。
论文解读文章
研究背景与问题
肝移植(liver transplantation, LT)是终末期肝病的有效治疗手段,但术后急性肾损伤(acute kidney injury, AKI)是其最常见的并发症之一。荟萃分析显示,LT术后AKI的发生率约为40.8%,其中约7.0%的严重AKI患者需要肾脏替代治疗。AKI不仅增加围手术期病死率和移植物丢失风险,还与术后慢性肾脏病及远期不良预后密切相关。LT术后AKI的发病机制是多因素的:术前因素包括晚期肝病、全身炎症、营养不良、感染、肝硬化心肌病及基础肾功能不全等;术中因素涉及无肝期延长、血管钳夹、失血、输血、低血压、静脉淤血及缺血再灌注损伤等;术后因素则包括移植物损伤、全身炎症激活及凝血-纤溶系统紊乱等。尽管已有多种评分系统和列线图被开发用于预测LT术后AKI,但近期系统评价指出,现有模型普遍存在偏倚风险高、外部验证不足、验证队列样本量小及临床转化受限等问题。因此,开发一种利用术后早期常规可获得变量、具备良好可解释性且经过严格内部验证的预测模型,对于早期识别高危受者、指导个体化肾保护策略具有重要临床意义。
研究设计与结论
本研究为单中心回顾性队列研究,在重庆医科大学附属第二医院开展。研究筛查了2023年6月至2026年1月期间接受LT的146例成人受者,排除术前存在肝肾综合征、术前AKI或其他肾功能不全、接受肝肾联合移植及术后活动性出血的患者后,最终纳入127例,并按3:1比例随机分为训练队列(n=94)和验证队列(n=33)。AKI根据2012年改善全球肾脏病预后组织(KDIGO)标准定义。研究人员利用LASSO回归从围手术期候选变量中筛选预测因子,构建多变量逻辑回归模型并绘制列线图,同时比较了逻辑回归、LightGBM、随机森林(RF)、支持向量机(SVM)和XGBoost五种模型的预测性能,并采用SHAP分析对表现最优的SVM模型进行可解释性分析。研究结果显示,LASSO筛选出四个预测因子:术后eGFR、无肝期时间、术后ln(D-dimer)和术后ALT。多变量逻辑回归分析中,术后eGFR降低(OR=0.9507)和更长的无肝期时间(OR=1.0372)与AKI独立相关。列线图在训练队列中的AUC为0.861,验证队列为0.761。在五种模型中,SVM在验证队列中取得数值最高的AUC(0.846),但DeLong检验显示各模型间差异无统计学显著性。五折交叉验证和Bootstrap内部验证显示所有模型的乐观校正AUC均低于表观AUC,提示在有限样本量下应谨慎解读模型性能。SHAP分析确认术后eGFR是最主要的预测因子,其次为无肝期时间、术后ln(D-dimer)和术后ALT。该研究的临床意义在于:模型仅使用术后1小时内常规可获得的少量变量,便于临床快速应用;列线图可直观地提供个体化AKI风险评估;无肝期时间的重要性提示术中多学科协作对肾保护的关键作用;术后D-二聚体的贡献支持凝血-纤溶失衡参与LT术后AKI发病机制的假说。
关键技术方法
研究人员采用以下主要技术方法:①LASSO回归进行特征筛选,通过交叉验证选择最优惩罚参数,保留系数非零的变量;②多变量逻辑回归构建预测模型并绘制列线图;③比较五种机器学习算法,包括逻辑回归、LightGBM、随机森林(RF)、支持向量机(SVM)和XGBoost;④采用受试者工作特征曲线及AUC评估模型区分度,校准曲线评估校准度,决策曲线分析评估临床效用;⑤五折交叉验证和Bootstrap重采样进行内部验证,估计AUC分布、表观及乐观校正AUC;⑥DeLong检验进行模型间AUC两两比较,并采用Benjamini-Hochberg程序校正多重比较;⑦SHAP分析解释SVM模型的全局和个体层面预测。研究数据来源于重庆医科大学附属第二医院2023年6月至2026年1月期间接受LT的成人受者队列。
研究结果
研究人群与基线特征:训练队列中45例(47.9%)发生AKI,验证队列中16例(48.5%)发生AKI。训练队列中,AKI组无肝期时间显著长于非AKI组[70.00 vs 59.00 min;p=0.004];AKI组术后ln(D-dimer)更高[8.05 vs 7.54;p=0.024],术后ALT更高[834.00 vs 682.00 U/L;p=0.044],术后eGFR更低(79.09±25.48 vs 110.27±22.70 mL/min;p<0.001)。
预测因子筛选与逻辑回归列线图:LASSO回归筛选出四个预测因子:术后eGFR、无肝期时间、术后ln(D-dimer)和术后ALT。多变量逻辑回归显示,术后eGFR与AKI风险降低独立相关(OR=0.9507;95%CI:0.9276–0.9745;p<0.001),无肝期时间与AKI风险增加独立相关(OR=1.0372;95%CI:1.0027–1.0729;p=0.034)。术后ln(D-dimer)呈正相关但未达统计学显著性(OR=1.4933;p=0.131),术后ALT无独立关联(OR=1.0002;p=0.425)。基于此构建了列线图用于个体化风险估计。
模型性能:训练队列中,RF表观AUC最高(0.959),LightGBM、XGBoost、逻辑回归和SVM的AUC分别为0.886、0.873、0.861和0.851。验证队列中,SVM取得数值最高的AUC(0.846),XGBoost为0.842,RF、LightGBM和逻辑回归分别为0.816、0.811和0.761。DeLong检验显示验证队列中各模型间差异均无统计学显著性(如SVM与XGBoost的ΔAUC=0.004,校正p=0.926)。全数据集五折交叉验证中,AUC分别为:逻辑回归0.703、LightGBM 0.788、RF 0.807、SVM 0.704、XGBoost 0.792。Bootstrap内部验证显示所有模型的乐观校正AUC均低于表观AUC,乐观度范围为0.025至0.059。校准曲线在训练队列中总体一致良好,验证队列中波动较大。决策曲线分析显示模型在较宽阈值概率范围内具有潜在临床净获益。
SVM模型的SHAP解释:SHAP全局特征重要性显示,术后eGFR是最具影响力的预测因子(平均绝对SHAP值0.191),无肝期时间居第二(0.092),术后ln(D-dimer)居第三(0.048),术后ALT贡献最小(0.014)。SHAP蜂群图、热图及依赖图显示,较低的术后eGFR、较长的无肝期时间和较高的术后ln(D-dimer)均增加AKI预测风险。代表性瀑布图展示了个体化风险预测:高危患者中,低术后eGFR、延长无肝期时间及升高的术后ln(D-dimer)共同增加AKI预测概率;低危患者中,保留的术后eGFR和较短无肝期时间降低预测概率。
讨论与结论总结
讨论部分指出,本研究开发的模型利用术后首次紧急血检(通常在术后1小时内获得)的变量,应被理解为术后早期风险分层工具而非术前预测模型。术后eGFR作为最主要预测因子具有临床合理性,因其反映术前易感性、术中肾灌注、缺血再灌注损伤、炎症激活及术后血流动力学稳定性的综合效应,但需注意其与AKI诊断标准中血清肌酐存在部分重叠。无肝期时间的独立关联支持缩短缺血负担和维持稳定肾灌注的手术及麻醉策略对AKI预防的重要性。术后D-二聚体的贡献支持凝血-纤溶失衡和微循环损伤参与LT术后AKI发病机制。术后ALT的弱独立效应提示其更多反映整体围手术期损伤负担而非肾特异性预测因子。研究局限性包括:单中心回顾性设计、样本量有限尤其是验证队列、术后eGFR与结局定义存在部分重叠、缺乏供体特征和冷缺血时间等变量、无法进行因果推断。研究结论认为,LASSO回归筛选出术后eGFR、无肝期时间、术后ln(D-dimer)和术后ALT作为关键预测因子,逻辑回归列线图提供了简单透明的个体化风险估计工具。SVM在验证队列中取得数值最高的AUC,但DeLong检验未显示统计学显著优越性;五折交叉验证和Bootstrap内部验证支持了建模框架的探索性内部评估,同时强调有限样本量下需谨慎解读。SHAP分析确认术后eGFR和无肝期时间是最具影响力的预测因子。该研究提示结合传统回归、机器学习与可解释人工智能用于LT术后AKI早期风险分层的潜在价值,但常规临床应用前仍需外部多中心验证。