基于3个月治疗节点的狼疮肾炎完全肾脏缓解机器学习预测工具(前瞻性队列400例)

人工智能 2026-11-20 17 阅读

Renal failure · 2026-11-11 · 期刊论文

  • 一句话结论:结论:在400例活动性狼疮肾炎前瞻性队列中,基于基线与3个月指标的机器学习模型可提示12个月完全肾脏缓解(CRR)的预测能力,但证据档位C,尚不足以下结论用于临床决策。
  • 研究设计与做法:设计:前瞻性队列,400例活动性LN患者随访12个月,主要结局为12个月CRR;候选预测因子在基线与3个月随访时评估;构建随机森林、支持向量机、弹性网与XGBoost四种模型,在测试集上验证,评价AUC、校准与决策曲线,并以SHAP评估特征重要性。
  • 主要结果:结果:296例(74%)在12个月达到CRR;与CRR独立相关的基线因素包括24小时尿总蛋白、较高血清白蛋白、较短病程及初治状态;3个月时多个参数出现组间差异(摘要中p值截断,具体数值材料未报告);各模型AUC、校准与决策曲线具体数值材料未报告。
  • 机制或解释:机制/解释:作者以3个月治疗节点作为早期预测窗口,用SHAP提供可解释性;摘要未阐述具体生物学机制,材料未报告。
  • 局限与边界:局限:单中心前瞻性队列、样本量400例、随访12个月;摘要信息不完整(p值与模型性能数值被截断);外部验证情况材料未报告;利益冲突材料未报告。
  • 可否落地:落地:证据档位C,提示3个月节点指标可能有助于早期识别CRR低概率患者,但尚不足以下结论用于临床;对科研而言需外部验证与更完整报告后方可考虑工具化。

🔗 打开原文

Song S, Fan Y, Zhang X 等


本文摘自《每日前沿研究简报 · 2026-11-20》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部