基于机器学习的临床决策工具，用于预测治疗性低温治疗新生儿的急性肾损伤和生存率

快速阅读: 据《Nature.com》最新报道，研究开发了一种机器学习模型，可预测新生儿缺氧缺血性脑病患者在接受低温疗法期间发生急性肾损伤（AKI）或死亡的风险。该模型基于多中心、多国数据，使用XGBoost算法，AUC达95%，准确率达75.08%。代码和用户界面免费提供，有助于个性化治疗和药物调整。

低温疗法（TH）显著降低了新生儿缺氧缺血性脑病（NE）患者的死亡率和发病率。NE可能导致新生儿死亡，以及多器官功能障碍，包括急性肾损伤（AKI）。本研究旨在利用机器学习（ML）方法，预测接受低温疗法治疗的新生儿缺氧缺血性脑病患儿在低温疗法期间发生急性肾损伤（AKI）或死亡的结果。

这项跨国回顾性研究共纳入1149例接受低温疗法治疗的新生儿缺氧缺血性脑病患儿和801例对照组。依据KDIGO新生儿标准，通过血清肌酐测量值对AKI进行分类。机器学习模型整合了胎龄、出生体重、产后年龄及血清肌酐值。该算法综合这些协变量，以预测其中一种结果：存活伴/不伴AKI、死亡伴/不伴AKI以及住院的非缺氧缺血性脑病对照组。

结果显示，XGBoost模型在预测AKI和存活方面的AUC达到了95%，准确率达到75.08%，其准确率高于其他展示54%到65%准确率的机器学习分类器。据我们所知，这是首个基于多中心、多国数据构建的机器学习模型，专门用于预测新生儿在治疗开始后前三天内发生急性肾损伤（AKI）、死亡或存活的情况。

我们的ML评分系统的代码和用户界面是免费提供的（https://github.com/NUBagciLab/Therapeutic-Hypothermia-Outcome-Classification，https://thprediction.streamlit.app/）。此工具有望帮助新生儿科医生制定个性化治疗方案，并优化需经肾脏清除药物的药理治疗。

(以上内容均由Ai生成)