重症监护病房（ICU）患者发生急性肾损伤（AKI）非常普遍，与患者更差的预后和医疗费用大幅增加相关。早期识别AKI高危患者并实施干预，意义重大。国际肾病：改善全球预后（KDIGO）工作组将依据严重程度急性肾损伤（AKI）分为三期。研究表明，基于机器学习的AKI预测器可很好的预测三期AKI的发生。2019年8月，发表在《Crit Care》杂志上的一项研究，则对医生及AKI预测器的临床价值进行了比较。

背景：早期诊断AKI是重症监护病房（ICU）的一大挑战。AKI预测器是一种基于常规收集的患者信息进行机器学习的一种预测AKI的模型，可在线访问。为了评估其临床价值，将AKI预测器与医生预测的准确性进行了比较

方法：在一个大学学术中心的五个ICU进行了该项前瞻性观察研究。纳入入院时无晚期肾病或AKI的危重成人患者。使用结构化的问卷调查，医生需要在患者入院时、第一个上午及24小时后，预测在ICU监护的第一周内发生2期或3期AKI（AKI-23）的可能。将医生预测的辨别力、准确性、以及净收益与AKI预测器进行比较。

结果：纳入252名患者，30人（12%）进展为AKI-23。在由医生和AKI预测器预测的患者队列中，医生和AKI预测器的表现分别为：入住ICU病房时，受试者工作特征曲线下面积（AUROC）的值为0.80 [0.69~0.92] vs 0.75 [0.62~0.88]（n＝120，P＝0.25），净收益范围为0~26% vs 0~74%；第一天上午，AUROC值为0.94[0.89~0.98] vs 0.89 [0.82~0.97]（n＝187，P＝0.27），主要净收益范围为0~10% vs 0~48%；24 h后，AUROC为0.95 [0.89~1.00] vs 0.89 [0.79~0.99]（n＝89，P＝0.09），主要净收益范围为0~67% vs 0~50%。

结论：因为医生高估了AKI风险，在预测AKI-23方面，基于机器学习的AKI预测器与内科医生具有相似的鉴别性能，且整体净收益较高。这表明AKI预测器具有帮助医生预测对系统性风险分层的价值，特别是对于高风险患者的选择，或减少评估新的和潜在有害疗法的研究中的假阳性。由于事件发生率低，需要进一步的研究来验证这些发现。

（选题审校：徐晓涵 编辑：余霞霞）

（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

如需转载，请联系医纬达客服邮箱：univadiscnhelpdesk@merck.com