STEMI患者PCI术后急性肾损伤的机器学习预测模型的构建与验证

摘要

目的 构建并验证基于机器学习算法的模型，以预测急性ST段抬高型心肌梗死(STEMI)患者经皮冠状动脉介入治疗(PCI)术后急性肾损伤(AKI)的发生风险。方法 纳入2020年1月至2023年6月期间接受PCI治疗的2 315例STEMI患者，其中306例(13.2%)发生AKI。采用LASSO回归对基线变量进行特征筛选，并通过10折交叉验证选择最优λ值，确定与AKI相关的变量。随后，构建了8种不同的机器学习模型，并评估其预测性能。使用SHAP值分析关键变量对模型预测结果的影响。结果 LASSO回归筛选出7个与AKI显著相关的变量，包括年龄、多支病变、术前肌酐、心力衰竭、白细胞计数、血红蛋白及白蛋白水平。在所有模型中，轻量梯度提升机(LGBM)和极限梯度提升(XGB)预测性能最佳，训练集AUC分别为0.899(95%CI:0.877～0.921)和0.893(95%CI:0.868～0.918),验证集AUC分别为0.809(95%CI:0.763～0.856)和0.871(95%CI:0.833～0.909)。SHAP分析显示，白蛋白、年龄、术前肌酐和白细胞计数是AKI风险的主要影响因素。结论 本研究成功构建并验证了基于机器学习的预测模型，可有效识别STEMI患者PCI术后AKI风险，为临床决策提供了有价值的辅助工具。

关键词

急性ST段抬高型心肌梗死(STEMI) / 经皮冠状动脉介入治疗(PCI) / 急性肾损伤(AKI) / 机器学习

基金资助

新疆维吾尔自治区自然科学基金资助项目(No.2022D01E71)