基于机器学习的血流动力学稳定的急性肺栓塞患者远期预后模型研究

目的 应用机器学习构建并验证血流动力学稳定的急性肺栓塞患者远期预后模型.方法 收集2015年1月至2017年12月于首都医科大学附属北京安贞医院确诊的血流动力学稳定的155例急性肺栓塞患者的临床资料,电话随访患者出院后发生不良结局事件(死亡、再发静脉血栓栓塞症、大出血、心力衰竭)的情况.将所有患者按照6∶4比例随机分为训练集和验证集,采用最小绝对收缩和选择算子(LASSO)回归筛选用于构建模型的变量,采用随机森林算法在训练集中构建模型,采用受试者工作特征曲线评价模型在验证集中的预测效果.结果 155例患者中,23例(14.8％)患者发生远期不良结局事件.LASSO回归在训练集中筛选出12个预测因子用于构建模型(癌症、肺动脉高压、高同型半胱氨酸血症、贫血、深静脉血栓、心率、舒张压、静脉血栓栓塞症病史、4周内制动史、吸烟史、血清肌酐水平、右心室功能障碍)(回归系数分别为0.143、0.052、-0.023、-0.013、-4.325×10-9、-3.469×10-9、-2.924×10-9、-0.028、-3.904×10-9、0.102、0.037、-0.045),随机森林算法构建的模型在验证集中预测远期预后的受试者工作特征曲线下面积为0.77(95％置信区间:0.63 ～0.90).结论 基于机器学习构建的模型对血流动力学稳定的急性肺栓塞患者发生远期不良结局具有一定的预测价值.