解放军医学院学报

作者：张渊, 冯聪, 李开源, 张政波, 曹德森, 黎檀实

关键词：医疗大数据, MIMIC-Ⅲ数据库, 急性肾损伤, LightGBM, 预测模型

  目的  基于机器学习模型LightGBM构建ICU患者发生急性肾损伤(acute kidney injury，AKI)的预测模型，为临床医护人员提供辅助决策支持。  方法  采用公开的大型ICU数据库重症监护医学信息数据库(MIMIC-Ⅲ)作为数据集，提取1 166例患者，其中男性513例(44.00%)，中位年龄70.93岁，75.8%(884例)的患者发展为AKI。以患者入ICU时的生理生化指标为预测变量，预测患者24 h后是否发展为AKI。采用LightGBM构建预测模型，并与logistic回归及随机森林模型进行对比，采用五折交叉验证评价模型性能。  结果  结果显示，LightGBM模型对AKI预测的准确率为0.89，AUC为0.92；logistic回归模型和随机森林模型的AUC分别为0.75和0.89，准确率为0.84和0.86。  结论  LightGBM在AKI预测模型中表现最优，采用患者入ICU时的生理生化指标，预测模型准确率和AUC可达0.89和0.92。

来源：2019年第4期

《解放军医学院学报》期刊编辑部

查看解放军医学院学报杂志2019年第4期