冠状动脉搭桥术后急性肾损伤的预测

心脏手术相关的急性肾损伤(CSA-AKI)是心脏手术后增加发病率和死亡率的主要并发症。大多数已建立的预测模型仅限于非线性关系的分析，没有充分考虑术中变量和术后早期变量。

Non-extracorporeal循环冠状动脉搭桥移植(非泵送冠状动脉搭桥术)仍然是大多数冠状动脉手术的首选程序，以及改进的CSA-AKI预测模型对于非泵式冠脉搭桥明显缺乏。因此，本研究采用基于人工智能的机器学习方法，从全面的围手术期数据中预测CSA-AKI。

共分析2012 - 2021年广西医科大学第一附属医院心脏外科非泵入冠状动脉搭桥患者的临床资料中293个变量。根据KDIGO标准，与参考血清肌酐水平相比，术后AKI的定义为7天内至少升高50%，或48小时内升高0.3 mg/dL。

采用简单决策树、随机森林、支持向量机、极限梯度增强和梯度增强决策树(GBDT) 5种机器学习算法构建CSA-AKI预测模型。用受试者工作特征曲线(AUC)下的面积来评估模型的性能。采用Shapley加性解释(SHAP)值对预测模型进行解释。

重要性矩阵图中影响最大的三个特征是术后1天血钾浓度、术后1天血镁离子浓度和术后1天血磷酸肌酸浓度。

GBDT表现出最大的AUC(0.87)，可用于预测术后AKI发展的风险手术从而使临床医生能够优化治疗策略，最大限度地减少术后并发症。

研究结果发表在该杂志上心血管创新与应用．