肺炎相关急性呼吸窘迫综合征预测网络应用的开发与外部验证

摘要

本研究旨在开发并对外部验证一个整合了机器学习模型的基于网络的系统，用于肺炎相关急性呼吸窘迫综合征（ARDS）的早期诊断和临床表型分型，以促进精准治疗。

摘要

急性呼吸窘迫综合征（ARDS）是一种高度异质性的疾病，其临床表现可能与重症肺炎重叠，给准确鉴别诊断带来挑战。因此，迫切需要对ARDS患者进行早期预测和床旁快速亚型聚类。本研究旨在开发一个基于网络的系统，该系统包含经过验证的床旁早期诊断模型和临床亚组分类模型，用于预测肺炎相关ARDS的发生及其表型。诊断模型和亚组分类模型基于两个大型数据库——重症监护医疗信息集市IV（Medical Information Mart for Intensive Care IV, MIMIC-IV）和远程重症监护病房数据库（Telehealth Intensive Care Unit, eICU）进行构建与验证，并整合至一个基于网络的预测系统中。研究分析了2008年至2019年间因肺炎住院超过24小时的患者数据。MIMIC-IV推导队列纳入24,987例肺炎患者（其中14,121例为肺炎相关ARDS）；eICU验证队列纳入20,676例肺炎患者（其中9,946例为肺炎相关ARDS）。在诊断性能方面，机器学习的堆叠方法在MIMIC-IV推导队列中表现最佳，其AUC为0.919，准确率为70.00%，精确率为69.88%，召回率为82.27%；在eICU验证队列中，AUC、准确率、精确率和召回率分别为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预后的临床表型，且对治疗反应各异。在0型和1型聚类患者中，接受早期糖皮质激素治疗者的院内死亡率高于未接受者；而在2型聚类患者中，接受糖皮质激素治疗者的院内死亡率低于未接受者。我们实现了肺炎相关ARDS诊断预测与临床亚组分类的网络化转化。 本研究所建立的基于网络的肺炎相关ARDS床旁早期诊断与临床亚组分类模型，可辅助临床医生进行疾病诊断与治疗决策，推动个体化精准治疗的实施。

引言

急性呼吸衰竭，尤其是肺部感染后发生的急性呼吸窘迫综合征（ARDS），是危重患者中常见的严重问题。研究表明，重症监护病房（ICU）患者中ARDS的发病率高达10%¹，病死率约为40%^2,3。重症肺炎被广泛认为是导致ARDS的主要原因⁴。由于重症肺炎与ARDS的临床症状相似，临床上常难以区分两者。因此，对肺炎患者发生ARDS的早期预测可能有助于降低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，对ARDS进行早期且准确的亚型分类有助于实现精准医疗。这种分类也是全球呼吸系统危重症研究的主要方向之一⁷，其目标是提高针对不同亚组干预措施的有效性。

目前，急性呼吸窘迫综合征（ARDS）的独立危险因素已被广泛研究⁸，但针对肺炎患者发生ARDS的预测研究较少。此外，尚无研究关注肺炎相关ARDS的特定临床表型；大多数表型研究均基于全部ARDS患者人群。Calfee等⁹将ARDS分为高炎症性和低炎症性两种生物学表型。定义这些生....

方案

本研究使用了重症监护医疗信息集市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病房（eICU）数据库¹²（版本 2.0，PhysioNet： 在完成“保护人类研究参与者”考试（记录ID：44151052）后，访问了 https://physionet.org/content/eicu-crd/2.0/。本研究遵循《赫尔辛基宣言》（2013年版）的原则进行，患者已同意将其数据纳入这两个数据库。由于eICU和MIMIC-IV数据库中的数据已完全匿名化（未保留任何个人身份信息），本研究免除了伦理审批要求。

材料与工具
数据来源：MIMIC-IV 数据库：版本 1.0，单中心开放访问注册数据库，包含 76,540 次重症监护室（ICU）住院记录（2008–2019 年），通过 PhysioNet 获取。eICU 数据库：版本 2.0，多中心数据库，包含 >来自美国208家医院的335个单位的200,000份电子病历（2014–2015年），通过PhysioNet获取。软件 & 执行环境：RapidMiner Studio：版本 9.10.001（执行环境：Windows 10 Pro 64 位....

结果

参与者
MIMIC-IV 数据库纳入了 24,987 例肺炎患者的数据，其中 14,121 例患有肺炎相关急性呼吸窘迫综合征（表 1）。eICU 数据库纳入了 20,676 例肺炎患者的数据，其中 9,946 例患有肺炎相关急性呼吸窘迫综合征（补充表 1）。

肺炎相关急性呼吸窘迫综合征预测模型的建立与验证
我们利用 MIMIC-IV 队列的数据构建了肺炎相关急性呼吸窘迫综合征（ARDS）的诊断模型，并使用 eICU 队列的数据进行外部验证。将 MIMIC-IV 队列中的患者随机分为训练队列（n = 22,488 [90%]）和测试队列（n = 2499 [10%]）。我们采用基于相关性的权重算法，在输入变量中筛选出18个权重较高（>0.04）的关键预测因子（补充图2）：APSIII评分；阴离子间隙、碳酸氢盐、葡萄糖、钾、钠和血红蛋白的最大值；吸入氧浓度分数（FiO₂）；血.......

讨论

众所周知，这是首个利用机器学习报告肺炎患者急性呼吸窘迫综合征（ARDS）的诊断模型及临床亚组分类模型，也是迄今为止报道肺炎相关ARDS诊断与临床亚组分类的最大规模研究。本研究建立并验证了两个基于机器学习的模型，并将其转化为基于网页的应用程序，以用于临床实践和后续研究。在eICU验证队列中，该模型预测肺炎患者是否会发展为肺炎相关ARDS的曲线下面积（AUC）为0.915，准确率为70.87%，精确率为69.70%，召回率为69.70%。我们还利用简单且快速获取的临床预测因子，对肺炎相关ARDS患者进行了临床亚组聚类分析。这三种表型对早期低至中等剂量糖皮质激素治疗的反应各不相同。

本研究中用于机器学习的堆叠方法本质上是一种k折交叉验证模型。该模型的第一层包含多个基础分类器，它们将预测结果（元特征）提供给第二层（堆叠模型学习器）；在第二层分类器中，第一层分类器的结果被用于特征拟合并输出最终的预测结果。与传统分析方法相比，堆叠方法的独特工作原理在于其能够考虑具有复杂关系的多因素疾病，且具有良好的敏感性和特异性¹³。在诊断模型.......

材料

本文使用的材料清单

姓名	公司	目录编号	评论
Apache Tomcat	Apache 软件基金会	版本 9.0.85
Eclipse IDE	Eclipse	2023-09
Java Development Kit	Java	版本 Java SE 8u381
RapidMiner Studio	Altair Engineering Inc.	版本 9.10.001
SPSS Statistics	IBM	版本 23.0