Research Article

开发与外部验证基于网络的肺炎相关ARDS预测应用

DOI:

10.3791/69738

⸱

January 6th, 2026

 ,  , 
1Department of Pulmonary and Critical Care Medicine, Beijing Anzhen Hospital of Capital Medical University, 2Beijing Institute of Heart, Lung and Blood Vessel Diseases

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究旨在开发并外部验证一个基于网络的系统，整合机器学习模型，用于肺炎相关ARDS的早期诊断和临床表型分析，以促进精准治疗。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

急性呼吸窘迫综合征（ARDS）是一种高度异质性的疾病，其临床表现可能与严重肺炎重叠，因此准确区分存在挑战。因此，急需早期预测和床边快速分群分析ARDS患者。本研究旨在开发一个基于网络的系统，包含经过验证的早期床边诊断模型和临床亚组分类，用于预测肺炎相关ARDS的发生及其表型。诊断和亚组模型基于两个大型数据库——重症监护医院医疗信息市场（MIMIC-IV）和远程重症监护病房（eICU）——开发和验证，并整合进基于网络的预测系统。分析了2008年至2019年间住院超过24小时的肺炎患者数据。MIMIC-IV衍生队列包括24,987名肺炎患者（其中14,121名患有肺炎相关ARDS）;eICU核查队列包括20,676名肺炎患者（其中9946例为肺炎相关ARDS）。在诊断方面，机器学习堆叠法在MIMIC-IV派生队列中表现最佳，AUC为0.919，准确率70.00%，准确率69.88%，召回率82.27%。eICU验证队列的AUC、准确性、精确度和召回率分别为0.915、70.87%、69.70%和69.70%。肺炎相关ARDS被分为三种具有不同临床特征和结局的临床表型，且对治疗的反应各不相同。在群组0和群组1中，接受早期皮质类固醇治疗的住院死亡率高于未接受的人群，而在群组2患者中，接受皮质类固醇治疗的住院死亡率低于未接受的人群。我们对肺炎相关ARDS的诊断预测和临床亚组分类进行了网络转换。我们基于网络的早期床边诊断和肺炎相关ARDS临床亚群分类模型，有助于临床医生诊断和治疗该疾病，并促进个性化精准治疗。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

急性呼吸衰竭，尤其是肺部感染后急性呼吸窘迫综合征（ARDS），是危重患者常见且毁灭性的问题。研究表明，重症监护病房（ICU）患者中ARDS的发病率高达10%，死亡率约为40%，2,3。严重肺炎被广泛认为是ARDS4的主要原因。由于严重肺炎和ARDS的临床症状相似，通常难以区分ARDS与严重肺炎。因此，早期预测肺炎病例中ARDS的发生可能降低ARDS的发病率和死亡率5。此外，由于ARDS是一种高度异质性的疾病6，早期且准确的ARDS亚群分类有助于精准医疗。这种分类也是全球呼吸系统重症研究的主要方向之一，目标是提升有针对性亚组干预的有效性。

目前，ARDS的独立风险因素已被广泛研究，但很少有研究聚焦于肺炎患者ARDS的预测。此外，尚无针对肺炎相关ARDS特定临床表型的研究;大多数表型研究都聚焦于整个ARDS患者群体。Calfee等人将ARDS分为高 炎症和低炎症两种表....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究在完成保护人类研究参与者体检（记录编号：44151052）后，访问了重症监护医疗信息中心IV（MIMIC-IV）数据库11（版本1.0，PhysioNet：https://physionet.org/content/mimiciv/1.0/）和远程医疗重症监护单元（eICU）数据库12（版本2.0，PhysioNet：https://physionet.org/content/eicu-crd/2.0/）。本研究遵循《赫尔辛基宣言》（2013年）原则进行，患者同意将其数据记录到两个数据库中。本研究放弃伦理审批，因为eICU和MIMIC-IV数据库中的数据完全匿名化（不保留个人身份）。

材料与工具
数据来源：MIMIC-IV数据库：1.0版，单中心开放访问登记系统，包含76,540例ICU入院（2008-2019），通过PhysioNet访问。eICU数据库：2.0版，多中心数据库，包含208家美国医院335个单位（2014-2015年）的>20万份电子病历，通过PhysioNet访问。软件与执行环境：RapidMiner Studio：版本9.10.001（执行环境：Windows 10 Pro 64位），用于模型构建（分类/聚类）和特征选择;IBM SPSS 统计：2....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

参赛者
MIMIC-IV数据库包含24,987名肺炎患者的数据，其中14,121人患有肺炎相关ARDS（见表1）。eICU数据库包含20,676名肺炎患者的数据，其中9946人患有肺炎相关ARDS（补充表1）。

建立与验证肺炎相关的ARDS预测模型
我们利用MIMIC-IV队列的数据构建了肺炎相关ARDS的诊断模型。该模型通过外部对eICU队列数据进行了验证。MIMIC-IV队列中的患者被随机分为训练组（n = 22,488 [90%]）和测试组（n = 2499 [10%]）。我们使用相关权重算法从输入变量中选出18个权重较高（>0.04）的关键预测变量（补充图2）：APSIII;阴离子缺口、碳酸氢盐、葡萄糖、钾、钠和血红蛋白的最高水平;吸入氧的比例（FiO2）;血尿氮（BUN）的最低和最高水平、氧分压（

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

众所周知，这是首个利用机器学习报告肺炎患者ARDS的诊断模型和临床亚组分类模型，也是报告肺炎相关ARDS诊断及临床亚组分类的最大研究。在这项研究中，我们推导出并验证了两个基于机器学习的模型，并将其转化为临床实践及后续研究的基于网络的应用。在eICU验证队列中，预测哪些肺炎患者会发展为肺炎相关ARDS的AUC为0.915，准确率70.87%，准确率69.70%，回忆率69.70%。我们还使用简单快速的临床预测因子对肺炎相关ARDS患者的临床亚组进行聚类分析。这三种表型对早期低至中剂量皮质类固醇治疗的反应不同。

本研究用于机器学习的堆叠方法本质上是一个k折交叉验证模型。模型的第一层包含多个基本分类器，向第二层（堆叠模型学习器）提供预测结果（元特征），而在第二层分类器中，第一层分类器的结果用于特征拟合和预测结果输出。与传统分析方法相比，堆叠法的独特工作原理是它考虑了关系复杂的多因素疾病;此外，其灵敏度和特异性都很好，13。在诊断模型中，我们确定了18个关键.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明他们没有利益冲突。

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
阿帕奇公猫Apache 软件基础版本 9.0.85
Eclipse IDE 日食2023-09
Java Development Kit 爪哇版本 Java SE 8u381 
RapidMiner 工作室阿尔泰尔工程公司版本 9.10.001 
SPSS统计IBM版本23.0 

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Brun-Buisson, C., et al. Epidemiology and outcome of acute lung injury in European intensive care units. Results from the ALIVE study. Intens Care Med. 30 (1), 51-61 (2004).
  2. Bellani, G., et al.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Pneumonia Associated ARDSARDS PredictionWeb Based ApplicationClinical Subgroup ClassificationMachine Learning ModelsEarly Bedside DiagnosisMIMIC IV DatabaseeICU DatabaseClinical PhenotypesPrecision Treatment
Video Coming Soon

Related Articles