Разработка и внешняя валидация модели машинного обучения для прогнозирования персистирующего острого почечного повреждения стадии 3 (Critical Care, июнь 2024)

Введение: целью этого ретроспективного когортного исследования стала разработка и валидация модели машинного обучения в реальном времени с использованием множества международных баз данных для точного прогнозирования персистирующего острого почечного повреждения (ОПП) в отделении интенсивной терапии (ОИТ). 

Методы: пациенты, поступившие в ОИТ и классифицируемые согласно критериями KDIGO, как имеющие 2 или 3 стадию ОПП. Основной конечной точкой стала возможность прогноза стадии ОПП длительностью не менее 72 часов во время пребывания пациента в ОИТ. Древовидный регрессор (tree regressor) обучался и калибровался на двух базах данных академических центров, а внешняя валидация проходила с помощью многоцентровых баз данных.

Результаты: в анализ было включено 7759 пациентов. Частота развития персистирующего ОПП 3 стадии варьировалась от 11 до 6% и в разработанной, и в валидированной когортах, соответсвенно, и 19% в когорте внешней валидации. Модель достигла AUROC 0.94 (95% CI 0.92–0.95) в когорте внешней валидации из США и 0.85 (95% CI 0.83–0.88) в итальянской когорте внешней валидации. 

Выводы: подход в виде машинного обучения с корректной передачей данных может точно прогнозировать наступление персистирующего ОПП 3 стадии во время пребывания пациента в ОИТ при использовании ретроспективных, многоцентровых, международных баз данных. Эта модель имеет потенциал в отношении улучшения менеджмента эпизодов ОПП в ОИТ при внедрении в клиническую практику. 

Подробнее: https://ccforum.biomedcentral.com/articles/10.1186/s13054-024-04954-8