可解释的多组学模型用于预测创伤性脑损伤中的手术干预和输血需求
Jiang Deng1, Tao Deng2, Yan-Chun Zhang3
1Academy of Military Medical Sciences, Beijing, China. ammsdjxm@163.com.
NPJ digital medicine
|November 19, 2025
概括
预测创伤性脑损伤 (TBI) 中的手术和输血需求现在更加准确. 数据融合模型提供早期预测,改善紧急情况下的患者管理.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 预测创伤性脑损伤 (TBI) 患者的手术和输血需求在紧急情况下很困难.
- 目前的方法缺乏有效干预的准确性和及时性.
研究的目的:
- 开发和验证多组数据融合 (MDF) 模型,用于预测TBI患者的手术干预和输血需求.
- 评估这些模型在多中心紧急环境中的通用性和实际实用性.
主要方法:
- 集成的临床生物标志物,神经放射性成像和使用MDF的临床文本挖掘.
- 在四个多中心队列 (N=2219) 中开发并验证了预测模型.
- 采用了夏普利添加式解释 (SHAP) 来确定关键的预测特征.
主要成果:
- MDF模型预测了手术需要的中位数在干预前3小时,优于单域方法 (F1分数:0.63-0.85).
- 输血模型显示出强大的跨中心性能 (F1分数:0.78,0.74) 并与输血量相关 (R=0.687,R=0.580).
- 放射性特征驱动了手术预测;临床参数 (乳酸盐,GCS,瞳孔反射,血红蛋白) 驱动了输血预测. 一个简化的模型保持了高性能 (AUC:0.81,0.75).
结论:
- MDF模型展示了跨中心的概括性和实际实用性,用于预测TBI患者在紧急情况下的需求.
- 这些模型可以支持临床决策和改善TBI患者管理.
- 整合多组学数据为复杂的临床预测提供了强大的方法.
