重症监护病房脓毒症患者临床表型识别与验证.pdfVIP

协和医学杂志

ＭｅｄｉｃａｌＪｏｕｒｎａｌｏｆＰｅｋｉｎｇＵｎｉｏｎＭｅｄｉｃａｌＣｏｌｌｅｇｅＨｏｓｐｉｔａｌ

·论著·

重症监护病房脓毒症患者临床表型识别与验证

１，２３４

龚超，余娜，陈浩然

１２

中国医学院科学院北京协和医院急诊科疑难重症及罕见病国家重点实验室，北京１００７３０

３中国医学科学院北京协和医学院医学生物学研究所，昆明６５０１１８

４中国医学科学院北京协和医学院医学信息研究所，北京１０００２０

通信作者：陈浩然，Ｅ⁃ｍａｉｌ：ｃｈｅｎ．ｈａｏｒａｎ＠ｉｍｉｃａｍｓ．ａｃ．ｃｎ

【摘要】目的探讨重症监护病房（ｉｎｔｅｎｓｉｖｅｃａｒｅｕｎｉｔ，ＩＣＵ）脓毒症患者临床表型的识别与验证。方法采用人工

智能算法处理重症监护医学信息Ⅳ（ＭｅｄｉｃａｌＩｎｆｏｒｍａｔｉｏｎＭａｒｔｆｏｒＩｎｔｅｎｓｉｖｅＣａｒｅⅣ，ＭＩＭＩＣ⁃Ⅳ）２２数据库中脓毒症患者

的临床数据，包括人口学特征、ＩＣＵ首日实验室指标及治疗措施等８９个临床特征，首先应用无监督机器学习算法

（Ｋ均值聚类和层次聚类）进行表型识别，然后应用有监督机器学习算法（轻量级梯度增强机）进行表型预测，并结合

机器学习可解释性算法ＳＨＡＰ识别重要特征；最后通过传统统计学方法，对各表型间的临床特征差异与临床结局差异进

行验证。结果在２２５１７例脓毒症患者中发现了３种临床特征及结局显著不同的临床表型。其中表型１患者的死亡风险

最高（２８ｄ死亡率为４６４％），以肾功能异常和疾病严重程度评分升高为主；表型３患者的死亡风险最低（２８ｄ死亡率

为１１２％），神经功能评分最佳。通过可解释性机器学习，识别出阴离子间隙、血尿素氮、肌酐、格拉斯哥昏迷量表评

分、凝血酶原时间和序贯性器官功能衰竭评分６个特征（首日最差值）在表型识别（ＡＵＣ≥０８９）和表型预后预测

（ＡＵＣ≥０７４）方面表现良好。在患者出ＩＣＵ后２８ｄ、６０ｄ、９０ｄ及１年内，表型３的死亡风险均最低（ＨＲ＜１）。结论

利用机器学习算法成功识别了３种具有不同临床特征及预后的脓毒症临床表型，并筛选出６个关键临床特征，预期将在

脓毒症亚型分类及预后评估中发挥重要作用，有助于患者的个体化治疗。

【关键词】脓毒症；表型识别；机器学习；精准治疗

＋

【中图分类号】Ｒ６３１；Ｒ６３１４；ＴＰ１８【文献标志码】Ａ【文章编号】１６７４⁃９０８１（２０２５）０３⁃０７１０⁃１２

ＤＯＩ：１０１２２９０／ｘｈｙｘｚｚ２０２４⁃０３５３

ＣｌｉｎｉｃａｌＰｈｅｎｏｔｙｐｅＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＶａｌｉｄａｔｉｏｎｏｆＰａｔｉｅｎｔｓｗｉｔｈＳｅｐｓｉｓ

ｉｎｔｈｅＩｎｔｅｎｓｉｖｅＣａｒｅＵｎｉｔ