ỨNG DỤNG HỌC MÁY TRONG DỰ ĐOÁN TỔN THƯƠNG THẬN CẤP SỚM SAU PHẪU THUẬT GHÉP GAN
Nội dung chính của bài viết
Tóm tắt
Mục tiêu: Đánh giá hiệu quả của mô hình học máy Random Forest trong dự đoán sớm tổn thương thận cấp (acute kidney injury - AKI) sau ghép gan. Phương pháp nghiên cứu: Nghiên cứu hồi cứu mô tả đơn trung tâm trên 205 bệnh nhân (BN) ghép gan tại Bệnh viện Trung ương Quân đội 108 giai đoạn 2021 - 2025. Dữ liệu được chia thành tập huấn luyện (70%) và kiểm định (30%). Mô hình Random Forest được xây dựng từ các biến lâm sàng liên quan đến nguy cơ AKI và được đánh giá thông qua diện tích dưới đường cong (AUC), độ nhạy, độ đặc hiệu, điểm Brier và calibration. Kết quả: Mô hình đạt giá trị AUC là 0,752 với độ đặc hiệu cao (0,804). Các biến có giá trị dự báo quan trọng nhất bao gồm điểm MELD (model for end-stage liver disease), lượng máu truyền, thời gian thiếu máu ấm và nồng độ lactate 6 giờ sau ghép. Kết quả phân tầng nguy cơ từ mô hình có mối tương quan chặt chẽ với tỷ lệ AKI và thời gian nằm hồi sức thực tế. Kết luận:Mô hình Random Forest cho hiệu năng dự báo khá, có giá trị trong nhận diện sớm nhóm nguy cơ cao AKI sau ghép gan, từ đó hỗ trợ các bác sĩ đưa ra quyết định lâm sàng kịp thời.
Từ khóa
Học máy, Tổn thương thận cấp, Phẫu thuật ghép gan
Chi tiết bài viết
Tài liệu tham khảo
2. He ZL, Zhou JB, Liu ZK, et al. Application of machine learning models for predicting acute kidney injury following donation after cardiac death liver transplantation. Hepatobiliary Pancreat Dis Int. Jun 2021; 20(3):222-231. DOI: 10.1016/j.hbpd.2021.02.001.
3. Lee HC, Yoon SB, Yang SM, et al. Prediction of acute kidney injury after liver transplantation: Machine learning approaches vs. logistic regression model. Journal of Clinical Medicine. Nov 8 2018; 7(11). DOI: 10.3390/jcm7110428.
4. Zhang Y, Yang D, Liu Z, et al. An explainable supervised machine learning predictor of acute kidney injury after adult deceased donor liver transplantation. J Transl Med. Jul 28 2021; 19(1):321. DOI: 10.1186/s12967-021-02990-4.
5. Khwaja A. KDIGO clinical practice guidelines for acute kidney injury. Nephron Clin Pract. 2012; 120(4):c179-84. DOI: 10.1159/000339789.
6. Zongyi Y, Baifeng L, Funian Z, Hao L, Xin W. Risk factors of acute kidney injury after orthotopic liver transplantation in China. Scientific reports. 2017/01/30 2017; 7(1):41555. DOI: 10.1038/srep41555.
7. Romano TG, Schmidtbauer I, Silva FM, Pompilio CE, D'Albuquerque LA, Macedo E. Role of MELD score and serum creatinine as prognostic tools for the development of acute kidney injury after liver transplantation. PLoS One. 2013; 8(5): e64089. DOI: 10.1371/journal.pone.0064089.
8. Barreto AGC, Daher EF, Junior GBS, et al. Risk factors for acute kidney injury and 30-day mortality after liver transplantation. Annals of Hepatology. 2015/09/01/ 2015; 14(5):688-694. DOI: https://doi.org/10.1016/S1665-2681(19)30763-X.
9. Chiofolo C, Chbat N, Ghosh E, Eshelman L, Kashani K. Automated continuous acute kidney injury prediction and surveillance: A Random Forest model. Mayo Clin Proc. May 2019; 94(5):783-792. DOI: 10.1016/j.mayocp.2019.02.009.
10. Song Z, Yang Z, Hou M, Shi X. Machine learning in predicting cardiac surgery-associated acute kidney injury: A systematic review and meta-analysis. Systematic Review. Frontiers in Cardiovascular Medicine. 2022-September-15 2022; 2022; 9. DOI: 10.3389/fcvm.2022.951881.