机器学习模型预测开颅术后神经外科患者ICU转出的评价:大数据分析
本研究基于MIMIC-IV数据库2,742例开颅术后患者,开发并验证4种机器学习模型预测24小时内ICU转出。随机森林模型测试集AUC最高(0.831),神经网络AUC 0.824,逻辑回归0.821,决策树0.813。SHAP分析显示格拉斯哥昏迷评分、呼吸相关参数、颅内压、动脉pH和Richmond躁动-镇静评分是关键预测因子。将临床文字描述转换为数值量表提高了模型性能。
要点
- 随机森林模型在测试集预测24小时内ICU转出的AUC为0.831,准确度0.827,F1分数0.339。
- 神经网络模型AUC 0.824,准确度0.830,F1分数0.383;逻辑回归AUC 0.821,准确度0.829。
- 决策树模型表现最低,测试集AUC 0.813,准确度0.822。
- SHAP分析显示格拉斯哥昏迷评分(言语、睁眼、运动反应)、呼吸相关参数(给氧装置、潮气量、呼吸做功)、颅内压、动脉pH和Richmond躁动-镇静评分是影响ICU转出的关键预测因子。
- 将文字记录的临床检查结果转换为标准化数值量表可提升机器学习模型的准确性和可靠性。
适用人群与场景
- 接受开颅手术并至少有一晚ICU停留的神经外科患者,年龄18至91岁(平均58.2岁,中位数60岁,四分位距47-70岁)。
- 排除无ICU数据或未在ICU过夜的患者。
研究设计与关键结果
- 研究类型为基于MIMIC-IV数据库的回顾性队列研究,纳入2,742例开颅术后患者(2,971次住院,3,329次ICU停留),来自单中心电子病历数据。
- 随机森林模型在测试集表现最佳:AUC 0.831,平均精度0.561,准确度0.827,F1分数0.339;训练集AUC 0.861,验证集AUC 0.805。
- 神经网络模型测试集AUC 0.824,平均精度0.558,准确度0.830,F1分数0.383。
- 逻辑回归模型测试集AUC 0.821,平均精度0.546,准确度0.829,F1分数0.404;训练集AUC 0.807。
- 决策树模型测试集AUC 0.813,平均精度0.497,准确度0.822,F1分数0.410;训练集AUC 0.825。
- 女性患者平均ICU停留时间4.53天,男性5.91天(p < 0.001);18-65岁组平均5.28天,65岁以上组5.24天(p = 0.5701),无显著差异。
- 有 overnight ICU 停留的患者中,颅骨骨折、头部畸形或创伤性脑损伤的患病率为4.3%,显著低于短期停留组的11.1%(p = 0.0027)。
证据类型、等级与局限
- 证据类型:基于MIMIC-IV数据库的回顾性队列研究,使用机器学习模型开发与验证。
- 局限:数据集来自单一机构电子病历,可能限制结果对其他医疗环境的普适性;将文字临床观察转换为数值量表若未在不同临床团队间标准化可能引入偏倚;依赖回顾性数据,未进行实时应用和前驗性验证;模型性能可能随不同电子病历系统和临床工作流程而变化;非临床因素(如普通病房床位可用性)可能延长ICU停留,但未纳入模型。
对床旁实践的改变
- 作者认为随机森林和神经网络模型能较好地预测开颅术后患者24小时内ICU转出,逻辑回归模型可解释但准确性较低。
- 作者认为将文字临床观察转换为标准化数值可提高机器学习模型的准确性,SHAP分析可增强透明度。
- 作者指出未来需在多医疗环境中对神经网络和随机森林模型进行前瞻性验证以确保其普适性和有效性。
提炼说明
- 原文未涉及「诊断标准与关键阈值」「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
引言
接受开颅手术的神经外科患者通常构成需要神经重症监护入院患者的很大一部分[1]。在许多机构中,神经外科的标准政策是将这类广泛的患者术后收入重症监护病房(ICU)。这种做法是由于需要密切监测以及术后并发症(如脑出血、水肿和癫痫发作)的高风险[2–4]。因此,这些患者的术后监测和重症监护对于改善患者预后仍然至关重要[5]。
优化ICU资源管理对于维持为 incoming 择期或紧急神经外科病例提供术后监测的能力至关重要[6, 7]。神经外科团队及时实施手术的能力在很大程度上取决于这些ICU床位的可用性。ICU过度拥挤会延误这些患者的手术和其他危重病例,这可能导致转往外院进行重症监护、发病甚至死亡[8]。
接受开颅手术的患者个体恢复轨迹和复杂临床状况的显著变异性使得预测ICU出院时间具有挑战性[9]。这些患者及时从ICU出院对于优化ICU床位利用、防止患者过度拥挤和改善患者预后至关重要[10]。因此,预测患者出院时间可以显著减轻并发症并降低费用[11–13]。这需要神经外科、重症医学和其他医疗部门之间的无缝协调[14]。
当前的ICU出院计划通常依赖于多学科临床团队的主观或准客观评估,这可能不一致、耗时,并导致各部门之间不透明[15]。这一过程涉及评估各种临床指标,如急性生理与慢性健康评估评分、格拉斯哥昏迷量表(GCS)评分、瞳孔反应、运动力量、呼吸模式、血流动力学稳定性和合并症。尽管这些评估至关重要,但它们通常是主观的,并依赖于个人和ICU团队经验等人为因素。因此,它们可能无法以高准确度可靠地预测出院准备情况[16, 17]。
机器学习(ML)算法为增强医疗决策、出院计划和死亡率预测提供了一种有前景的解决方案[9, 18–21]。近期研究表明,ML模型在预测各类患者的出院时间和识别出院障碍方面具有有效性[11, 22, 23]。这些模型能够处理大量的电子病历(EMR)数据,以提供及时准确的预测,支持临床决策并改善出院流程[24–26]。在大多数预测患者结局的研究中[11, 27],通用/聚合ML模型(即使用一般患者人群数据训练的模型)优于专用/特定队列模型,原因有二:(1)处理单一通用模型相较于多个特定队列模型更为便捷;(2)能够学习到具有解释力且在不同队列间持续存在的模式。然而,这些聚合模型通常以某些队列准确性降低为代价。特别是对于结局行为显著不同的队列(例如,住院时间显著长于其他队列的队列),只要拥有足够数量的观察数据用于训练ML模型,特定队列模型通常更为准确。
ML模型在预测各医学领域的关键结局方面已展现出显著前景,但其在接受开颅手术的神经外科患者中预测ICU出院的 application 仍未被充分探索[28]。准确的出院预测可实现更好的患者管理、优化ICU资源配置并降低医疗费用,从而应对神经重症监护中的关键挑战。
本研究旨在基于患者-日单位,开发并验证ML模型以预测接受开颅手术的神经外科患者24小时内ICU出院。为实现这一目标,我们使用了一个大型多维数据集,包括疾病诊断相关分组(DRG)编码、国际疾病分类(ICD)编码、影像学报告、实验室结果和每日临床检查。文本数据通过人工分级和基于关键词的方法系统地转换为数值。通过整合多样化的患者特异性特征,我们旨在识别影响ICU出院决策的关键因素并评估不同算法的预测性能。我们的研究结果期望为改善神经重症监护实践和提高运营效率提供可操作的见解。
方法
数据收集与预处理
本研究按照个体预后或诊断多变量预测模型的透明报告指南进行和报告。我们的研究使用了公开可用的EMR数据集——重症监护医学信息库(MIMIC-IV)[29, 30],包含接受开颅手术患者术后ICU数据。MIMIC数据集由麻省理工学院计算生理学实验室与贝斯以色列女执事医疗中心合作开发,包含ICU患者的去标识化医疗数据[31]。
如表1所述,开颅手术病例通过两步法确定,使用与颅脑神经外科病理(如脑肿瘤和动脉瘤)相对应的DRG和ICD手术操作编码。我们首先通过在DRG编码中搜索开颅手术及相关关键词来筛选整个MIMIC-IV数据库。此后,我们从所有至少有一个开颅手术相关DRG编码的患者中提取ICD手术操作编码列表(1,931个唯一ICD编码)。最后,我们团队的两位神经外科医生筛选了这1,931个ICD手术操作编码,并确定了涉及开颅手术的编码(共197个ICD编码)。住院期间具有这197个ICD编码中至少一个的患者被纳入我们的初始队列。如图1所述,无ICU数据或未在ICU过夜的患者被排除在数据集之外。最终队列通过逐步流程精炼,确保所选人群由接受开颅手术且至少有一次ICU过夜停留的患者组成。
该数据集包含多样化的临床变量,包括GCS评分、瞳孔反应和大小、肌力和反应性、呼吸模式、合并疾病,以及除数值数据(如实验室结果)外的其他相关医学文字信息。为保证数据的质量和一致性,我们进行了常规预处理流程,包括处理缺失值、标准化数值和编码分类变量。数据稀疏的特征(在少于50名患者中观察到)被排除,以确保数据集中可靠的代表性并尽量减少过拟合。
MIMIC-IV数据集包含临床变量的半结构化数据。我们系统性地提取了文本临床描述的所有可能变体并赋予数值。由于每个变量具有有限的可能备选值,标准化得以高效实现,无需复杂的神经语言编程技术。记录为文本检查结果的检查结果由我们的临床团队通过系统分级手动转换为数值。每个文本描述均被评估并赋予反映最佳至最差结局的临床评分,详见表2,该表全面列出了所使用的临床特征及其各自的数值量表值。转换过程意味着算法可以统一读取和分析所有临床观察结果,从而提高预测机器学习(ML)模型的准确性和可靠性。其中若干量表已经存在。除此之外,我们的神经外科专家创建了其他量表以将文字临床信息转换为数值,为ML算法建立统一的测量系统。
表3详细列出了整合到我们ML模型中的实验室结果和其他数值。输入特征不仅包括这些数值编码的临床指标,还包括与患者人口学特征(如年龄、性别)和操作参数(如入院时间、入院类型)相关的其他变量。这些特征提供了全面的数据集,使模型能够捕捉影响患者结局的众多因素。
对放射学报告采用了基于关键词的筛选方法,随后进行多轮细化迭代以提高分类准确性。为正确解释否定表达(例如“无中线移位”),实施了否定检测步骤以避免误分类。这涉及识别明确指示某状况不存在的短语(例如“中线无偏移”或“中线在正常范围内”)。表4概述了该分类过程中使用的阳性和阴性关键词。阳性关键词(例如“存在中线移位”、“中线结构移位”)与报告文本匹配以识别异常。相反,阴性关键词(例如“无中线移位”、“中线完整”)用于排除假阳性结果。该方法能够以高分类准确性识别放射学特征(经人工审核验证),确保可靠地整合到预测模型中。
为确保患者数据的一致性,分析中使用的所有临床特征均取自出院前最相关的记录值。具体而言,第一类特征包括指示过去24小时内是否发生某事件的二值特征(例如高热、异常实验室结果)。如果在过去24小时内记录了任何异常值,则特征值设为1(真),无论最近的测量值如何。如果该时间段内未记录异常值,则特征值设为0(假)。第二类特征包括指示自入院以来是否曾发生某事件的二值特征(例如培养阳性检测结果、ICD编码录入)。如果该事件在入院至预测时间之间的某个时点发生,则特征值设为1(真),否则设为0(假)。最后,第三类包括指示最新记录测量值的连续特征(例如实验室值、生命体征)。如果在入院至预测时间之间有多個值可用,则仅使用最新值。表5详细列出了每个临床特征的时间标准,包括实验室值、GCS评分、药物给药和氧疗装置。
如表6所示,进行了比较分析以区分有和没有过夜住院的患者之间的特征。该表突出了人口统计学、诊断和操作数据方面的关键差异,为影响ICU住院时间延长的因素提供了见解。
机器学习模型
由于我们的预测任务(患者是否会在24小时内出院)是一个二分类问题,我们测试了四种不同的机器学习算法:逻辑回归(LR)、决策树(DT)、随机森林(RF)和前馈神经网络(NN)。算法细节请读者参阅Khaniyev等(2025)[32]。在测试的四种算法中,LR和DT被认为是可解释模型,因为由于其结构简单,可以基于输入特征值来解释为何做出特定预测。另一方面,RF和NN是更复杂的“黑箱”方法,不适合对预测进行简单解释。然而,越来越多的文献提出了基于输入特征值来“解释”此类黑箱模型预测的工具(例如,局部可解释模型无关解释[33]、Shapley加性解释[SHAP][34]等)。与RF和NN等黑箱模型相比,LR和DT的可解释性优势通常以模型准确性为代价。在结果部分,我们将简要分析可解释性与准确性之间的权衡如何体现。数据集被分为训练集(70%)、验证集(15%)和测试集(15%),用于训练、调优超参数和评估模型性能。用于比较的性能指标为受试者工作特征曲线下面积(AUC)、准确率、平均精度(AP)和F1分数。对每种方法尝试了不同的超参数值(即LR的正则化类型和强度;NN的层数/节点数和正则化强度;DT和RF的树最大深度和每个叶节点所需的最小样本数,以及RF的树/估计器数量),并为每种方法选择了在验证样本中提供最佳结果的超参数组合。在超参数优化过程中,评估了多个性能指标,包括AUC、准确率、AP和F1分数。
F1分数是分类任务中使用的性能指标,尤其在类别不平衡的数据集中。它是精确率(阳性预测值)和召回率(灵敏度)的调和平均数,确保假阳性和假阴性结果之间的平衡。F1分数范围为0到1,其中较高的值表明模型通过平衡精确率和召回率而具有更好的性能。通常,在许多实际应用中,F1分数高于0.7被认为是强性能,尽管“强”性能的阈值取决于任务的复杂性和类别平衡。低于0.5的分数通常表明预测能力有限,尤其是在平衡数据集中,但在高度不平衡或复杂的预测任务中仍可能具有价值。F1分数使用以下公式计算:F1分数 = 2 × ([精确率 × 召回率] / [精确率 + 召回率])。最终模型选择基于AUC,其全面衡量了模型在不同决策阈值下的性能。
我们的模型采用滑动窗口方法,其中观察窗口由截至预测时间的所有先前数据组成,预测窗口(从预测时间起的后续24小时)用于预测患者是否会从ICU出院。每次预测基于患者-日单元,其中ICU住院的每一天被视为独立观察。滑动窗口方法通过按日增量随时间移动预测窗口,实现持续且动态的风险评估。该方法允许模型以固定间隔(例如每日)生成新的预测,确保患者数据持续更新和评估[35]。
特征重要性(SHAP分析)
对于LR或DT等简单可解释模型,相对容易推断哪些特征对某个观察的预测有贡献。然而,由于NN和RF等黑箱模型的复杂性,理解每个特征对给定预测的贡献程度并不那么直接。大量关于可解释人工智能的文献[30, 33]最近致力于缓解解释黑箱模型预测的问题。可解释人工智能方法中最突出的是SHAP,它针对给定观察提供预测值中有多少可归因于每个特征。我们进行了SHAP分析以解释RF模型的预测,因为它在所测试的算法中具有最高的预测能力。每个观察的每个特征获得的SHAP值依次组合,得出总体特征重要性,表明每个临床特征如何影响RF模型对ICU出院的预测。在SHAP汇总图中,每个点代表一个观察。特征通过颜色编码表示其值:红色表示较高的特征值,蓝色表示较低的值。横轴表示每个特征对出院可能性影响的方向和幅度。右侧具有正SHAP值的特征增加出院可能性,而左侧具有负SHAP值的特征降低出院可能性。假设某特征在右侧主要呈红色(例如“GCS–言语反应”[0:否,1:是]),这表明该特征的较高值(1:是)是有利的(即较高值增加出院可能性)。相反,如果某特征在右侧主要呈蓝色(例如给氧装置[0:否,1:是]),这表明该特征的较低值(0:否)是有利的(即较低值增加出院可能性)。
统计分析
我们使用R(版本4.2.1)进行所有统计分析,并使用Python(版本3.8)结合scikit-learn、tensorflow和shap库进行机器学习训练/分析。参数连续变量的描述性统计以均值和标准差表示,而非参数连续变量则以中位数、第一和第三四分位数进行总结。分类变量以数量(百分比,[n {%}])进行总结。组间比较对正态分布变量采用独立t检验,对非正态分布变量采用Mann–Whitney U检验。在适当情况下,分类变量采用χ2或Fisher精确检验进行比较。p值小于0.05被认为具有统计学显著性。
结果
患者队列和数据特征
在应用纳入标准并进行数据预处理后(图1),从MIMIC-IV数据库中初步筛选了163,701名患者(278,711次住院)。其中,识别出3,898例开颅手术病例(4,445次住院)。经过排除,即1,117名无ICU数据的患者和107名未至少有一次过夜ICU停留的患者,最终队列由2,742名唯一患者(包含2,971次唯一住院和3,329次唯一ICU停留)组成,纳入分析。这些患者在ICU共有15,645个床日(平均ICU住院时长4.7天),在医院共有32,008个床日(平均住院时长10.8天)。如图2详述,研究队列由年龄在18至91岁之间的患者组成(均值58.2岁,中位数60岁,第一和第三四分位数47–70岁)。队列包括1,464名(53.4%)男性患者和1,278名(46.6%)女性患者。共有324名(11.8%)患者年龄在18至35岁之间,459名(16.7%)年龄在35至50岁之间,883名(32.2%)年龄在50至65岁之间,1,076名(39.3%)年龄在65岁以上。18至65岁组(平均LOS 5.28天)与“65+”年龄组(平均LOS 5.24天)之间未观察到ICU住院时长(LOS)的显著差异,p值为0.5701。然而,性别之间发现了显著差异:女性患者的平均LOS为4.53天,而男性患者的平均LOS为5.91天(p < 0.001)。从最初的临床、人口学和操作特征集中,162个具有足够数据密度(即在至少50名患者中观察到)的临床相关特征随后被纳入机器学习模型,详见表2和表3。
如表6所述,在2,849例接受开颅手术的患者中,2,742例(96.2%)在ICU停留超过24小时后出院,而仅107例(3.8%)在24小时内出院。无至少一次ICU过夜停留的患者(n = 107)被排除在预测模型之外,以确保关注术后监测时间较长的患者(n = 2,742)。然而,进行了比较分析以突出两组之间的差异。虽然大多数手术和诊断分布未达到统计学显著性,但在颅骨骨折方面观察到一个显著差异。在ICU过夜停留的患者中,颅骨骨折、头部畸形或创伤性脑损伤的患病率显著较低(4.3%),而短停留组为11.1%(p = 0.0027)。这一发现表明,短期ICU停留可能与轻度创伤性脑损伤的观察有关,特别是涉及颅骨骨折的病例,这些病例可能在转入标准住院治疗前受到密切监测。
机器学习模型性能
图3显示了所有四种模型在测试样本上的受试者工作特征曲线,表7总结了四种机器学习模型在训练、验证和测试样本中评估的性能。随机森林(RF)模型在训练样本(0.861)和测试样本(0.831)上的AUC表现最高,在验证样本上以微弱差距位居第二(0.805)。RF的AP在训练、验证和测试样本上分别为0.640、0.535和0.561。RF模型的准确率在训练、验证和测试样本上分别为0.831、0.808和0.827。最后,F1分数分别为0.383(训练)、0.288(验证)和0.339(测试)。神经网络(NN)模型在预测性能上紧随RF之后,AUC值分别为0.855(训练)、0.809(验证)和0.824(测试)。NN模型的AP在训练样本上达到0.644,在测试样本上为0.558,测试样本准确率为0.830。NN模型的F1分数为0.383(训练)、0.288(验证)和0.339(测试)。
在可解释模型中,逻辑回归(LR)优于决策树(DT)。LR在训练样本上的AUC为0.807,在测试样本上为0.821,AP为0.563(训练)和0.546(测试),测试样本准确率为0.829。LR的F1分数为0.424(训练)、0.427(验证)和0.404(测试)。相比之下,DT模型表现略弱,AUC为0.825(训练)和0.813(测试),AP为0.544(训练)和0.497(测试),准确率为0.822(测试)。DT的F1分数为0.451(训练)、0.415(验证)和0.410(测试)。这些结果突显了RF和NN模型的优越预测能力,而可解释模型(LR和DT)在各数据集上提供了稳定但略低的性能。
特征重要性(SHAP值)
如图4所总结,我们对RF模型进行了标准的SHAP可解释性分析,该模型在上一节测试的模型中具有最高的测试样本AUC。SHAP分析的关键预测因子包括GCS组分(言语反应、睁眼、运动反应)、呼吸相关参数(给氧装置、潮气量、呼吸努力)、颅内压、动脉pH和里士满躁动-镇静量表。这些参数是影响ICU转出的最重要预测因子之一。这些特征是SHAP分析识别出的一些关键驱动因素。如图4所示,对ICU转出产生负面影响的关键预测因子包括呼吸相关参数(如低氧饱和度、异常呼吸模式)和高心率。较高的GCS评分、正常言语和稳定的呼吸参数为正向预测因子。
讨论
我们的研究表明,在预测神经外科(开颅)患者24小时内ICU转出时间方面,RF和NN模型优于LR和DT模型。RF模型在测试样本中取得了最高的AUC(0.831),NN模型紧随其后。这表明RF和NN模型均具有可靠的预测能力,其中RF在整体性能上略占优势。这些模型在所有样本中表现出一致且稳健的性能,凸显了它们在捕捉准确转出预测所需的复杂模式方面的有效性。LR和DT模型因其可解释性和易用性为我们的分析提供了有价值的见解。在需要理解预测背后理由的场景中,它们具有优势。然而,这些模型的预测成功率总体低于NN和RF模型。NN和RF模型因其复杂结构常被视为黑箱模型,但在所有样本的AUC方面表现出更优越的性能。
尽管这些先进ML模型具有复杂性,但其结果并非不可解释。通过使用SHAP分析,如我们在本研究中所做的那样,这些复杂模型的预测可以被解释,从而提供模型决策方式的透明度。这种方法使临床医生能够信任和理解这些强大而复杂的模型所做的预测,确保它们能够有效地整合到临床实践中。总之,尽管LR和DT模型更具可解释性,但NN和RF模型的优越性能可以借助SHAP等工具得到有效利用,从而将预测能力与可解释性相结合。
我们研究的另一个关键方面是使用了全面的临床变量集,其中许多最初记录为言语和主观数据。我们将这些言语检查数据集转换为数值,使ML算法能够客观地处理和分析数据(表2)。这一转换过程提高了我们预测模型的准确性和可靠性,并建立了一套可用于进一步研究的数值指标和量表。使用数值量表对言语评估进行标准化记录,可以增强ML算法在预测神经外科患者ICU转出时间和优化ICU资源管理方面的适用性。
除了这些方法外,我们还整合了使用基于关键词和关键短语的方法提取的放射学报告数据,以识别中线移位、脑水肿和硬膜下血肿等关键特征。如表4所详述,尽管这些放射学发现为患者状况提供了有价值的见解,但它们对预测ICU出院的机器学习(ML)模型性能的总体影响有限,但带来了轻微改善。这表明,尽管放射学指标具有临床相关性,但与结构化临床和人口学特征相比,它们在影响出院结局方面可能起次要作用。如表1和表4所述,放射学报告和ICD编码的整合丰富了数据集并提供了更全面的评估,有助于模型性能的适度提升,尽管驱动结果的核心预测变量在很大程度上保持不变。
该领域的研究强调了可解释ML技术在增强不同患者群体出院决策过程中的前景。Safavi等(2019)[11]开发并验证了一种ML算法以改善外科住院患者的出院流程。他们的模型以0.840的AUC明确预测了24小时出院时间,证明了ML在估计患者出院时间方面的有效性及其增强医院组织管理的潜力。作者的ML算法结果强调了预测分析在资源规划和管理中的价值。作者还强调了出院的各种障碍,包括临床并发症、行政延迟和患者特异性因素,这些被系统地识别并纳入其模型[11]。
Khaniyev等(2023)[36]使用混合整数规范性优化模型与ML算法相结合来识别患者出院的最小障碍,有效定位了患者特异性和情境依赖的高产出障碍。类似地,Ward等(2021)开发了一种梯度提升模型,使用来自多家医院的每小时电子病历(EMR)数据来预测患者出院时间,达到0.729的AUC,强调了细粒度数据在提高预测准确性方面的重要性[37]。Cuadrado等(2019)[14]开发了一种随机森林(RF)模型来预测ICU出院时间,实现了不到半天平均误差且决定系数高于97%,突显了该模型在高风险ICU环境中的精确性。Zhang等(2021)[26]利用EMR访问日志来增强次日出院预测,达到0.921的AUC,说明了详细交互数据在出院规划中的实用性。McCoy等(2018)[38]评估了用于预测医院出院量的时间序列ML方法,发现ML方法表现良好且校准度高(两个不同站点的R2值分别为0.843和0.726),在准确性和可靠性方面优于较简单的结转模型。相比之下,我们的研究聚焦于ICU中接受开颅手术的患者,这是一个特定且复杂的患者队列。我们开发了RF和神经网络(NN)模型,在所有数据集上均取得了高于其他两种ML模型的AUC。我们的方法包括将口头记录的检查结果转换为数值和量表,创建标准化、客观的指标系统,从而增强了模型的准确性和可靠性。
在另一项值得注意的研究中,作者引入了一种弱监督方法来预测住院时间延长,使用分位数回归模型来定义灵活且有原则的住院时间截断值,从而在存在不必要或无用的标签的情况下仍能进行有效分类[39]。另一项同类研究侧重于预测患者出院的各个方面,包括当日和次日出院以及住院时间或死亡率,具有较高的准确度(AUC范围为0.819至0.964),证明了可解释的机器学习模型在临床环境中提高大型医院运营效率和患者护理的适用性[17]。Levin等人(2020)[8]使用实时电子病历数据实施了基于机器学习的出院预测模型,以支持多学科查房,显著缩短了某些病房的住院时间。
最近一项研究对21项关于机器学习应用于预测内科住院患者住院时间的研究进行了全面综述,强调了由于不同的输入数据集、阈值和结局指标而导致性能的差异。该综述识别了常见的方法学缺陷,例如患者人口统计学和临床细节报告不足,强调了需要标准化方法和前瞻性验证研究以增强机器学习模型在临床环境中的实用性[40]。该综述与我们的研究直接相关,强调了全面数据收集和标准化对提高机器学习模型准确性和可靠性的重要性,我们通过在我们的神经网络模型中将临床观察转化为标准化数值量表来解决这一问题。
我们的研究通过特别关注ICU中接受开颅手术的患者,使用随机森林模型在所有数据集中取得了更优的AUC和准确度值,从而对这一研究体系做出了贡献。与以往研究不同,我们的方法涉及将口头记录的临床观察转化为标准化数值量表,这增强了模型的准确性和可靠性。该方法满足了特定患者群体的独特需求,并提供了可推广至不同医院环境的定制化解决方案。
未来研究应侧重于在多种医疗保健环境中对神经网络和随机森林模型进行前瞻性验证,以确保其在不同患者群体中的可推广性和有效性。整合额外的临床变量并采用先进的建模技术可以提高预测准确性。此外,制定跨不同机构将口头临床观察转化为数值量表的标准化方案将减少偏倚并提高模型可靠性。此外,将多模态数据纳入这些模型是未来工作的一个有前景的方向。例如,将放射学报告和其他文本数据与临床变量整合可以丰富数据集,使模型能够捕捉更复杂和细致的患者信息。通过利用可用的全部数据,包括结构化数值数据和非结构化文本,未来的机器学习模型可以在临床环境中提供更精确和可操作的见解。创建可互操作电子病历系统的协作努力可以促进机器学习算法在临床实践中的无缝实施,最终改善ICU出院流程和患者结局。
我们的研究存在若干局限性。首先,数据集来源于单一机构的电子病历(EMR),这可能限制研究结果对其他医疗环境的普适性。此外,尽管将口头临床观察转换为数字量表提高了模型准确性,但若未在不同临床团队间标准化,这一过程可能引入偏倚。与在影像报告中采用关键词搜索相比,更先进的基础大语言模型在识别中线移位、血肿等所需特征方面可能表现更佳。对回顾性数据的依赖也构成一项局限,因为本研究未进行实时应用和前膽性验证。此外,模型性能可能随不同EMR系统和临床工作流程而变化,这可在未来研究中探讨。我们研究的另一项局限是非临床因素的潜在影响,例如普通病房的床位可用性,尽管患者在临床上已具备出院条件,这可能延长ICU住院时间。尽管由于数据限制这些因素未直接纳入我们的模型,但它们代表了实际应用中需重点考虑的问题。未来纳入行政和后勤变量的研究可进一步优化ICU出院预测。
结论
本研究强调了随机森林(RF)和神经网络(NN)模型在预测神经外科患者ICU出院时间方面的优越性能,在预测能力上超过了更具可解释性的决策树(DT)和逻辑回归(LR)模型。尽管这些先进模型通常在可解释性方面面临挑战,但SHAP等工具使我们能够保持透明度,使这些复杂预测在临床环境中具有可操作性。我们方法的一个关键方面是将口头临床观察转换为标准化数值,这在提高机器学习模型准确性方面发挥了关键作用。展望未来,在不同临床环境中验证这些方法对于确认其效用并确保其广泛适用性至关重要。
参考来源
- Khaniyev T, Cekic E, Koc MA, et al. Evaluating the Machine Learning Models in Predicting Intensive Care Unit Discharge for Neurosurgical Patients Undergoing Craniotomy: A Big Data Analysis. Neurocrit Care. 2025. PMID: 40329064. doi:10.1007/s12028-025-02246-9
- 全文:PMC12436523(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12436523/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。