基于深度学习的动态肾脏功能预测模型的开发与验证：来自真实世界数据的研究及外部验证
机器学习
2025-10-03 v2 应用统计
摘要
背景：慢性肾脏病（CKD）是一种继发性疾病，致死率和发病率均较高，已成为全球公共卫生的重大问题。大多数现有模型为静态模型，无法捕捉疾病进程中的时间性趋势，限制了其及时干预的能力。我们通过开发基于真实世界电子健康记录（EHR）中常见的纵向临床指标的动态模型，用于实时肾脏功能衰竭预测。发现：本研究采用来自中国银州地区的4587名患者进行回顾性队列研究，其中2752名患者用于模型开发（训练2752例，验证917例），并进行内部验证（918例），外部验证采用前瞪性PKUFH队列（934例）。该模型在各数据集中表现出竞争性能，在内部验证队列中AUROC为0.9311（95%置信区间，0.8873-0.9749），在外部验证队列中AUROC为0.8141（95%置信区间，0.7728-0.8554），并表现出逐步改善的动态预测、良好的校准以及临床一致的可解释性。KFDeep已部署在开放访问网站及初级护理环境中。解释：KFDeep模型能够在不增加临床检查成本的情况下实现肾脏功能衰竭的动态预测。该模型已集成到现有医院系统中，为医务人员在日常护理中提供持续更新的决策支持工具。
引用
@article{arxiv.2501.16388,
title = {Development and Validation of a Dynamic Kidney Failure Prediction Model based on Deep Learning: A Real-World Study with External Validation},
author = {Jingying Ma and Jinwei Wang and Lanlan Lu and Yexiang Sun and Mengling Feng and Feifei Zhang and Peng Shen and Zhiqin Jiang and Shenda Hong and Luxia Zhang},
journal= {arXiv preprint arXiv:2501.16388},
year = {2025}
}