利用人工智能预测创伤性脑损伤的继发性并发症及临床结局：一篇叙述性综述

摘要

本文对基于人工智能（AI）的预测工具在创伤性脑损伤继发并发症和临床结局中的应用进行了叙述性综述，评估了五个并发症领域内证据的成熟度，并指出了临床实施中的关键障碍。

摘要

中重度创伤性脑损伤（TBI）后的继发性并发症——包括颅内压升高（ICP）、创伤后癫痫发作、创伤诱导的凝血功能障碍（TIC）以及脓毒症——显著恶化患者的预后。目前的预后评估工具仅能在入院时估算总体死亡率和致残率，无法预测住院期间可能出现的特定、可治疗的并发症。本篇叙述性综述评估了基于人工智能（AI）的预测工具是否能够满足这一尚未被满足的临床需求，评价了五个预测领域的证据成熟度，并确定了未来研究的重点方向。通过在PubMed、Embase和Web of Science数据库中进行针对性文献检索（时间范围为2016年1月至2025年10月），并辅以手动追踪参考文献，筛选出与AI或机器学习（ML）用于预测TBI患者继发性并发症或临床结局相关的研究。基于AI的模型在预测ICP危象、TIC、脓毒症和死亡率方面表现出中等（受试者工作特征曲线下面积[AUC]为0.70–0.79）至良好（AUC ≥ 0.80）的预测准确性。癫痫发作的预测证据最为薄弱，尚无任何外部验证研究。ICP预测的证据基础最为充分，已有外部验证和独立重复研究支持。死亡率预测的证据数量最多，已实现国际多数据集验证。然而，关键的方法学局限性仍然存在：大多数模型基于回顾性、单中心数据构建；仅有约三分之一的模型经过外部验证；且尚无随机对照试验证明AI指导的决策可改善患者结局。AI预测工具有望用于预测TBI继发性并发症，但现有证据尚不足以支持其在临床中的常规应用。在推广应用前，这些工具需经过严格的外部验证、前瞻性结局试验以及在不同人群中的系统性公平性评估。

引言

创伤性脑损伤（TBI）是全球范围内导致死亡和长期残疾的主要原因，每年约有6900万例新发病例^1,2。TBI 是45岁以下人群死亡和残疾的首要原因，给医疗保健、社会经济及社会整体带来沉重负担^1,2,3。在TBI的病理生理学中，一个基本区分是原发性损伤——即撞击瞬间发生的直接机械性损害——与继发性损伤，后者在数小时至数天内通过一系列级联反应逐步发展，包括脑水肿、缺血、兴奋性毒性及神经炎症等过程^3,4。与原发性损伤不同，继发性损伤机制在理论上是可调节的治疗靶点。这些过程引发的继发性并发症——包括颅内压（ICP）升高、创伤后癫痫、创伤性凝血病（TIC）和脓毒症——常常决定患者的最终临床转归^3,5,6。临床上的根本挑战在于，在这些并发症尚未显现之前，识别出哪些患者将发生此类问题，从而实现更早、更有针对性的预防性干预。