基于XGBoost和SHAP的急性腎損傷可解釋預(yù)測模型

羅 妍 王 樅 葉文玲

①(北京郵電大學(xué)計算機(jī)學(xué)院(國家示范性軟件學(xué)院) 北京 100876)

②(北京郵電大學(xué)可信分布式計算與服務(wù)教育部重點(diǎn)實(shí)驗室 北京 100876)

③(中國醫(yī)學(xué)科學(xué)院中國協(xié)和醫(yī)科大學(xué)北京協(xié)和醫(yī)院腎內(nèi)科 北京 100730)

1 引言

急性腎損傷(Acute Kidney Injury， AKI)的特點(diǎn)是在48h內(nèi)腎功能迅速下降[1]，患者主要表現(xiàn)為血清肌酐(Serum Creatinine， Scr)升高或尿量減少[2]。根據(jù)2012年改善全球腎臟病預(yù)后組織(Kidney Disease: Improving Global Outcomes，KDIGO)提出的診斷標(biāo)準(zhǔn)，AKI被定義為48小時內(nèi)Scr增加至少26.5μmol·L—1(0.3 mg·dL—1)或達(dá)到基線值的1.5倍及以上，且明確或經(jīng)推斷上述情況發(fā)生在7d之內(nèi)，尿量減少小于 0.5mL·(kg·h)—1，且時間持續(xù)6h以上[3]。AKI在各種臨床環(huán)境中都會經(jīng)常遇到，占重癥監(jiān)護(hù)病房(Intensive Care Unit， ICU)患者的20%～50%[4—6]，住院患者的5%～7%[7，8]。此外，AKI還與高死亡風(fēng)險相關(guān)，與無AKI的患者相比，患有AKI患者的死亡風(fēng)險增加了7倍[9]。有研究稱在ICU，AKI患者的死亡率高達(dá)10.3%～26.5%[10—14]。美國的住院數(shù)據(jù)顯示，AKI造成每年估計47～240億美元的費(fèi)用[15]。

有研究表明，AKI分期越高，需要腎臟替代治療的患者越多，病死率越高[16—18]。也有越來越多的證據(jù)表明，即使AKI在癥狀上治愈，其長期慢性腎病、心血管疾病和死亡的風(fēng)險也會增加[19—21]。因此，早期識別AKI風(fēng)險患者，并對AKI高風(fēng)險患者進(jìn)行早期干預(yù)，對于減少AKI的發(fā)病率、有效縮短疾病進(jìn)展并降低死亡率上具有重大意義。

在AKI概念出現(xiàn)之前，常用的概念是急性腎功能衰竭(Acute Renal Failure， ARF)，為了強(qiáng)調(diào)早期腎損害在診斷標(biāo)準(zhǔn)中的重要性才被AKI取代[22]。而早期診斷和干預(yù)可延緩AKI進(jìn)展為嚴(yán)重階段和出院后慢性腎病的發(fā)展[23]。考慮到AKI的高死亡率和早期發(fā)現(xiàn)的重要性，臨床醫(yī)生需要新的方法在顯著腎損害發(fā)生之前早期預(yù)測AKI。

近年來，機(jī)器學(xué)習(xí)(Machine Learning， ML)算法在疾病預(yù)測模型中應(yīng)用廣泛，有研究發(fā)現(xiàn)可以利用Scr水平和現(xiàn)有的臨床指標(biāo)來預(yù)測AKI的發(fā)生。Flechet等人[24]對252名危重患者進(jìn)行了前瞻性研究，并將醫(yī)生對AKI預(yù)測的結(jié)果與基于隨機(jī)森林算法的AKI預(yù)測模型進(jìn)行了比較，發(fā)現(xiàn)AKI預(yù)測模型能篩選出高危患者和減少假陽性率，并能比醫(yī)生更早提供預(yù)測。

但目前流行的AKI風(fēng)險預(yù)測模型主要關(guān)注提高模型的準(zhǔn)確性，而對模型解釋的關(guān)注較少，這阻礙了機(jī)器學(xué)習(xí)模型在臨床實(shí)踐中的應(yīng)用[25，26]。因此，為了支持臨床醫(yī)生的決策，有必要在保持準(zhǔn)確預(yù)測的同時理解和解釋這些關(guān)系。然而，同時實(shí)現(xiàn)良好的可預(yù)測性和可解釋性是具有挑戰(zhàn)性的，因為許多預(yù)測模型通常是“黑箱”的，而可解釋的模型通常具有較差的預(yù)測性能[27]。為此，本文的目標(biāo)是開發(fā)一個可進(jìn)行AKI早期預(yù)測的可解釋模型，重點(diǎn)是模型解釋，并期望該模型能廣泛應(yīng)用于臨床。

本文的結(jié)構(gòu)如下：第2節(jié)介紹本研究的相關(guān)工作。第3節(jié)將深入討論XGBoost(eXtreme Gradient Boosting)和SHAP(SHapley Additive exPlanation)。第4節(jié)和第5節(jié)對AKI風(fēng)險預(yù)測模型的結(jié)果和性能進(jìn)行分析和討論，并通過SHAP提供綜合特征解釋。最后，對研究結(jié)果、優(yōu)勢和局限性進(jìn)行詳細(xì)的討論。

2 相關(guān)工作

疾病的早期預(yù)測可以在支持醫(yī)療衛(wèi)生專業(yè)人員方面發(fā)揮重要作用，據(jù)統(tǒng)計，11%的醫(yī)院死亡是由于未能及時識別和治療病情惡化所致[28]。近5年來，ML方法在準(zhǔn)確、及時預(yù)測AKI高?；颊叻矫姘l(fā)揮了重要作用。例如，F(xiàn)lechet等人[29]開發(fā)并驗證了隨機(jī)森林預(yù)測模型，成功預(yù)測了成年ICU患者的AKI，受試者工作特征曲線下面積(Area Under the receiver operating characteristics Curve，AUC)達(dá)到0.84。

Mohamadlou等人[30]使用梯度提升算法以生命體征和Scr為特征預(yù)測重癥AKI，AUC值在第48小時和72小時分別為0.76和0.73。次年，Lei等人[31]也使用同樣的機(jī)器學(xué)習(xí)模型來識別術(shù)后出現(xiàn)AKI的患者，最終模型的AUC為0.82。此外，Koyner等人[32，33]開發(fā)并在最近對其梯度提升算法模型進(jìn)行了外部驗證，該預(yù)測模型對48小時內(nèi)1期AKI的預(yù)測AUC值為0.67。

Simonov等人[34]利用來自同一衛(wèi)生保健系統(tǒng)中3家醫(yī)院的169859名成人住院患者的回顧性數(shù)據(jù)開發(fā)了一個簡單的邏輯回歸模型，并證明基于現(xiàn)有實(shí)驗室數(shù)據(jù)的簡單模型可以準(zhǔn)確預(yù)測AKI， AUC為0.74。

Xu等人[35]用ML模型(邏輯回歸、隨機(jī)森林和梯度提升算法) 對58976例重癥監(jiān)護(hù)病房AKI患者的死亡風(fēng)險進(jìn)行預(yù)測，發(fā)現(xiàn)梯度提升算法的AUC為0.75，在預(yù)測死亡率方面優(yōu)于其他模型。

Zimmerman等人[36]對23950例成年危重病患者進(jìn)行了研究，建立了邏輯回歸預(yù)測模型，用于入ICU 72 h后AKI的早期預(yù)測，AUC為0.78。

Rashidi等人[37]開發(fā)并內(nèi)部驗證了ML模型，比較了50名燒傷和51名創(chuàng)傷患者的AKI早期識別。他們的遞歸神經(jīng)網(wǎng)絡(luò)模型能夠提前62h準(zhǔn)確預(yù)測AKI，AUC為0.92。

如前所述，大多數(shù)模型的AUC表現(xiàn)一般[30，32—35]，而一些研究集中于特定的患者群體，如心臟手術(shù)患者[31]，或研究樣本量小[37]，從而限制了這些模型的使用。此外，從表1可以看出，目前大多數(shù)研究中使用的特征向量非常繁瑣，收集和計算也很復(fù)雜。這些研究大多缺乏模型可解釋性，只有有限的解釋提供簡單的特征重要性結(jié)果。相比之下，本文在前期研究的基礎(chǔ)上，使用公開可訪問的包含超過46000名患者的去識別健康數(shù)據(jù)的重癥監(jiān)護(hù)醫(yī)學(xué)信息數(shù)據(jù)庫MIMIC(Medical Information Mart for Intensive Care)III進(jìn)行數(shù)據(jù)分析和模型開發(fā)[38]，最后基于XGBoost算法構(gòu)建了重癥監(jiān)護(hù)病房患者的AKI早期預(yù)測模型，并比較了XGBoost與其他4種流行的機(jī)器學(xué)習(xí)技術(shù)的性能。模型中僅使用常見的生命體征和實(shí)驗室檢測指標(biāo)，通過有效的數(shù)據(jù)預(yù)處理和XGBoost模型參數(shù)調(diào)整，取得了良好的AKI早期風(fēng)險預(yù)測性能。然后，利用SHAP 估計的Shapley值從全局和局部兩個角度對預(yù)測模型進(jìn)行解釋。解釋結(jié)果不依賴所使用的預(yù)測模型，這保證了結(jié)果的可靠性并為解決臨床問題提供更多的證據(jù)支撐。這些成為這項工作的主要貢獻(xiàn)。

表1 既往研究結(jié)果表明ML技術(shù)可以有效地用于AKI預(yù)測

3 方法

3.1 數(shù)據(jù)源

本研究中屬于回顧性隊列研究，數(shù)據(jù)來源于一個公開的、大規(guī)模的重癥醫(yī)學(xué)數(shù)據(jù)庫——MIMICIII。該數(shù)據(jù)庫由麻省理工學(xué)院計算生理學(xué)實(shí)驗室開發(fā)，整合了2001年至2012年貝斯以色列女執(zhí)事醫(yī)療中心46520例成年ICU患者所有連續(xù)的匿名綜合臨床數(shù)據(jù)，為重癥醫(yī)學(xué)科醫(yī)生開展臨床研究提供了極大的便利[38]。

本研究的目的是預(yù)測ICU患者AKI的發(fā)生。我們使用KDIGO診斷標(biāo)準(zhǔn)對AKI進(jìn)行定義[3]，在48 h內(nèi)Scr水平達(dá)到基線值的1.5倍及以上或增加0.3 mg/dL?？紤]到AKI分期的特異性較差[39]，以及我們的數(shù)據(jù)集中缺乏足夠符合要求的尿量數(shù)據(jù)，因此本研究排除了尿量標(biāo)準(zhǔn)?；€值定義為入院后24 h內(nèi)首次Scr測量值。為明確早期、亞臨床的患者生理基線惡化是預(yù)測AKI的重要原因，使患者得到及時的治療，本研究主要使用第1天的生理變量檢測值來預(yù)測未來48 h內(nèi)ICU住院患者發(fā)生AKI的風(fēng)險。在19001例ICU記錄中，共提取出4532例滿足以上條件的AKI病例。

3.2 特征變量提取

本研究的主要結(jié)果是入院后3 d內(nèi)AKI的發(fā)生率。其時間窗示意圖如圖1所示，Pt(Prediction time)表示預(yù)測時間，Et(Event time)表示AKI發(fā)生時間，即Pt發(fā)生后48 h。

圖1 數(shù)據(jù)提取時間間隔示意圖(AKI的確診時間窗為ICU入院24 h后)

其中Et的預(yù)測結(jié)果被編碼為一個二元分類的因變量，分為兩類：0(患者在Et期間未出現(xiàn)AKI)和1(患者在Et期間出現(xiàn)AKI)。為了預(yù)測AKI的發(fā)生，本文根據(jù)ICU常用的疾病風(fēng)險預(yù)測評分系統(tǒng)(如Apache， SAPS等)、專家意見和數(shù)據(jù)集可用變量情況，從MIMIC III數(shù)據(jù)庫中提取了患者的24 h臨床資料記錄，包括患者的年齡、性別、Scr、生命體征和實(shí)驗室化驗結(jié)果，以及每小時尿量、24 h尿量等。為了更好地理解數(shù)據(jù)，表2列出了AKI疾病組和正常對照組兩組變量的分布情況(百分比)。該分析是在預(yù)處理任務(wù)之前進(jìn)行的。

3.3 數(shù)據(jù)預(yù)處理

由于AKI事件的發(fā)生與時間相關(guān)，這給數(shù)據(jù)提取和使用帶來了障礙。在MIMIC-III數(shù)據(jù)庫中，一些與時間相關(guān)的特征測量結(jié)果缺失，缺失值的百分比高達(dá)60%以上。此外，表2的數(shù)據(jù)表明，AKI患者和非AKI患者的類別比例極不平衡。這兩個問題使得AKI早期預(yù)測模型的準(zhǔn)確預(yù)測和解釋變得更加困難。因此，處理缺失的值并解決類別的不平衡十分重要。

表2 各變量在基礎(chǔ)數(shù)據(jù)集中的分布情況(%)

與大多數(shù)臨床和實(shí)驗室數(shù)據(jù)集一樣，本文的基礎(chǔ)數(shù)據(jù)集包含缺失值，例如，與平均動脈壓、心率、體溫、肺泡-動脈氧梯度、紅細(xì)胞比容、白蛋白和膽紅素相關(guān)的時間序列有55%～90%的數(shù)據(jù)缺失。考慮到這些變量的重要性，我們?nèi)匀槐Ａ糁鼈?。對于這些缺失值，我們首先分別用均值和中位數(shù)來填充，但兩者的效果都很差。在嚴(yán)重缺失的情況下，中位數(shù)甚至更不可靠。使用平均值填充的優(yōu)點(diǎn)是不會造成嚴(yán)重的數(shù)據(jù)失真，并且可以保證填充后的平均值不會發(fā)生太大的變化。但在嚴(yán)重缺失數(shù)據(jù)的情況下，這種填充會導(dǎo)致整個樣本信息量大幅減少，破壞數(shù)據(jù)的隨機(jī)性。因此，當(dāng)嚴(yán)重缺失的特征很重要時，將缺失的特征作為一個類別來處理是十分有效的，這樣可以既保留特征又保證數(shù)據(jù)的無偏估計。本文沒有對缺失的數(shù)值進(jìn)行任何插補(bǔ)，因為缺失值的估算并不能都為以電子健康記錄為基礎(chǔ)的預(yù)測模型提供一致的改進(jìn)效果[40]。

如表2所示，正常組納入14469條病例，AKI病例入選僅4532條。非AKI比AKI的比率接近3:1，即該數(shù)據(jù)集的分布是高度不平衡的。目前一般采用過采樣和欠采樣技術(shù)來處理不平衡數(shù)據(jù)。并且由于欠采樣技術(shù)往往會導(dǎo)致大量數(shù)據(jù)的丟失，從而導(dǎo)致模型精度的下降[41]。所以，過采樣方法通常是首選。SMOTE(Synthetic Minority Oversampling Technique)是一種常用的過采樣方法，它通過線性插值的方法在兩個少數(shù)類樣本間合成新的樣本，從而有效緩解由隨機(jī)過采樣引起的過擬合問題。本研究使用了Chawla等人[42]提出的SMOTE方法來平衡數(shù)據(jù)。

最后，由于本文使用的數(shù)據(jù)集中原始數(shù)據(jù)的取值范圍已經(jīng)確定，為了保持原始數(shù)值之間的關(guān)系，我們選擇了Min-max歸一化方法將我們的數(shù)據(jù)特征值歸一化到[0，1]的范圍。

3.4 預(yù)測模型

本研究使用XGBoost算法對ICU患者發(fā)生AKI的風(fēng)險進(jìn)行建模。XGBoost最初由Chen和Guestrin在2016年提出[43]。XGBoost是一個集成分類器，它通過將多個決策樹模型進(jìn)行集成來增強(qiáng)分類能力。也就是說，需要將多棵樹的得分相加得到最終的預(yù)測得分(每次迭代，都在現(xiàn)有的樹上添加一個新的函數(shù)，擬合上一輪預(yù)測結(jié)果與真實(shí)值之間的殘差)。為了盡可能大地降低目標(biāo)函數(shù)，XGBoost使用了2階泰勒展開來自定義損失函數(shù)，可以在不選定損失函數(shù)具體形式的情況下，僅通過輸入數(shù)據(jù)值就能進(jìn)行葉子分裂優(yōu)化計算，即將損失函數(shù)的選取和模型算法優(yōu)化分開了。這種去耦合增加了XGBoost的適用性，可以使其更為精準(zhǔn)地逼近真實(shí)的損失函數(shù)。XGBoost在許多領(lǐng)域都有出色的表現(xiàn)[44，45]，并顯示出更高的預(yù)測精度和更快的處理時間，同時計算成本更低，復(fù)雜性更低[43，46]。這些特性正好適合在預(yù)測AKI時應(yīng)對稀疏和高維臨床數(shù)據(jù)的需要。XGBoost在應(yīng)用機(jī)器學(xué)習(xí)方面的優(yōu)勢在于其極高的精度和速度。在本研究中，我們還將XGBoost與其他4種常用的ML算法，包括邏輯回歸(Logistic Regression， LR)、支持向量機(jī)(Support Vector Machine， SVM)、隨機(jī)森林分類器(Random Forest， RF)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network， ANN)的性能進(jìn)行了比較，以驗證XGBoost是否能夠提供最佳性能。

3.5 參數(shù)調(diào)整

根據(jù)Chen等人[43]的研究，XGBoost模型的性能可以通過調(diào)整參數(shù)來最大化。參數(shù)調(diào)優(yōu)對于XGBoost防止過擬合很重要，由于本研究中使用的方法是監(jiān)督學(xué)習(xí)，而網(wǎng)格搜索是監(jiān)督學(xué)習(xí)中調(diào)整參數(shù)和提高模型泛化性能的有效方法[47]，所以我們選擇了網(wǎng)格搜索來調(diào)整參數(shù)以獲得最優(yōu)性能。

網(wǎng)格搜索是執(zhí)行超參數(shù)調(diào)優(yōu)以確定給定模型最優(yōu)值的過程。手動執(zhí)行此操作可能會花費(fèi)相當(dāng)多的時間和資源，因此我們使用GridSearchCV來自動化超參數(shù)的調(diào)優(yōu)，其中“CV”代表“交叉驗證”。GridSearchCV 可對估計器的指定參數(shù)值窮舉搜索，使某些估計器更加有效。在本文中，交叉驗證后的最佳XGBoost超參數(shù)值是:learning_rate: 0.05，max_depth: 6， n_estimators: 700， min_child_weight: 1， gamma: 0.6， colsample_bytree: 0.7， subsample: 0.9， reg_alpha: 0.1，reg_lambda: 3。

本研究中所有的預(yù)測模型和相關(guān)分析都是使用Python3.7中的開源庫(scikit-learn， XGBoost和SHAP) 在Jupyter notebook平臺上進(jìn)行的。

3.6 模型評估

本文將數(shù)據(jù)集隨機(jī)分為訓(xùn)練集(70%的隊列)和測試集(30%的隊列)，預(yù)測AKI風(fēng)險的模型僅使用來自訓(xùn)練集的數(shù)據(jù)建立，針對訓(xùn)練集進(jìn)行不重復(fù)抽樣隨機(jī)分為5份。每次都用其中4份來訓(xùn)練模型，余下的1份用來驗證4份訓(xùn)練出來的模型的準(zhǔn)確率，重復(fù)該步驟5次，直到每個子集都有一次機(jī)會作為驗證集，其余機(jī)會作為訓(xùn)練集。計算5組測試結(jié)果的平均值作為模型精度的估計，并作為當(dāng)前5折交叉驗證下模型的性能指標(biāo)。交叉驗證可以在一定程度上減小過擬合，并從有限的數(shù)據(jù)中獲取盡可能多的有效信息。在模型開發(fā)過程中，為模型性能的測量提供了一種更加穩(wěn)定可靠的方法[48]。最后，我們利用剩余的30%測試集進(jìn)行內(nèi)部驗證，這有利于我們評估訓(xùn)練好的模型在新數(shù)據(jù)上的表現(xiàn)。

KDIGO定義的1期AKI預(yù)測結(jié)果是本文的主要結(jié)果，本文使用指標(biāo)受試者工作特征曲線(Receiver operating characteristic curves)下面積AUC評估模型性能。除此之外，我們還引入了以下4個常用指標(biāo)：準(zhǔn)確性(ACC)、敏感度(Sen，真實(shí)陽性率，即召回率)、精確率(Pre，陽性預(yù)測值)和F1值[49]。其計算方法為

TP，F(xiàn)P，TN，F(xiàn)N分別表示真陽性、假陽性、真陰性、假陰性。AUC為受試者操作特征曲線下面積，而該曲線圖是反映敏感性與特異性之間關(guān)系的曲線。橫坐標(biāo)X軸為1-特異性，也稱為假陽性率(誤報率)，X軸越接近零準(zhǔn)確率越高；縱坐標(biāo)Y軸稱為敏感度，也稱為真陽性率(敏感度)，Y軸越大代表準(zhǔn)確率越好[50]。值得注意的是，考慮到模型的AUC值對預(yù)測建模和決策有顯著意義，主要表現(xiàn)為高特異性較少引起干預(yù)，而高敏感性更容易觸發(fā)干預(yù)[51]，因此我們在模型選擇和最終報告中使用的主要指標(biāo)是AUC。此外，為了了解模型性能的不確定性，我們計算了95%置信區(qū)間。

3.7 模型解釋

盡管機(jī)器學(xué)習(xí)在許多領(lǐng)域取得了巨大的成功，但因缺乏可解釋性嚴(yán)重限制了其在現(xiàn)實(shí)任務(wù)尤其是安全敏感任務(wù)中的應(yīng)用。可解釋性在醫(yī)學(xué)領(lǐng)域中是非常重要的。醫(yī)療輔助診斷系統(tǒng)必須是可理解的、可解釋的，理想情況下，它應(yīng)該能夠向所有相關(guān)方解釋提供對應(yīng)決策的完整邏輯，才能獲得醫(yī)生的信任。由于醫(yī)學(xué)數(shù)據(jù)自有的特點(diǎn)，構(gòu)建用于醫(yī)學(xué)結(jié)構(gòu)化數(shù)據(jù)分析的可解釋深度學(xué)習(xí)模型與其他領(lǐng)域中的應(yīng)用是不同的。本文重點(diǎn)關(guān)注SHAP可解釋方法在AKI早期輔助診斷模型中的應(yīng)用。SHAP基于博弈論[52]和局部解釋[53]，屬于經(jīng)典的事后解釋框架，可以提供Shapley值來估計每個特性的貢獻(xiàn)。Shapley值是一種描述模型在對特定數(shù)據(jù)點(diǎn)進(jìn)行預(yù)測時特定特征的“權(quán)重”或“重要性”的方法，是SHAP的核心所在。與傳統(tǒng)的特征重要性方法(如XGBoost的特征重要性)相比，SHAP具有更好的一致性，可以呈現(xiàn)各預(yù)測因子相對于目標(biāo)變量的正/負(fù)關(guān)系，用于局部和全局解釋[54，55]。對于局部可解釋性，每種特征都有自己的一組Shapley值。因此，它可以用來解釋每個樣本每個特征對預(yù)測的貢獻(xiàn)，增加了透明度，便于臨床醫(yī)生分析預(yù)測模型的可靠性。將所有樣本中對應(yīng)該變量的Shapley值取平均值作為該特征的重要性值，即可得到全局解釋。在本文中，通過計算各ICU臨床指標(biāo)的Shapley值來分析各特征與AKI風(fēng)險的相關(guān)性，并結(jié)合相關(guān)臨床研究結(jié)果和臨床實(shí)際表現(xiàn)情況來進(jìn)行模型解釋。

因為Shapley值是解釋特征重要性的唯一方法，滿足局部準(zhǔn)確性和一致性的數(shù)學(xué)特性，而Tree Explainer 是專門解釋樹模型的解釋器，通過樹集成和加法方法激活Shapley值用于特征歸因。因此，本文采用mean|Tree SHAP|，一種基于個性化的啟發(fā)式SHAP平均的全局屬性方法，對特征進(jìn)行排序，以明確模型中的重要預(yù)測因素。

4 結(jié)果

本研究使用MIMIC III進(jìn)行數(shù)據(jù)提取和模型驗證。表1為研究樣本的統(tǒng)計結(jié)果，需要注意的是，在MIMIC III數(shù)據(jù)集中，我們使用icustay ID作為唯一標(biāo)識。陰性樣本數(shù)量通常遠(yuǎn)遠(yuǎn)多于陽性樣本數(shù)量，這是臨床數(shù)據(jù)集普遍存在的問題。基礎(chǔ)數(shù)據(jù)集中包含19001例患者，其中發(fā)生AKI的患者4532例，約占23.85%。在這個數(shù)據(jù)集中，他們的平均年齡(標(biāo)準(zhǔn)差[SD])為64.15(15.96)歲，其中女性為8110例(42.68%)。與非AKI患者相比，AKI患者年齡平均大3歲，女性較少(40.73% vs 43.29%)(表1)。從表1中我們發(fā)現(xiàn)AKI患者基礎(chǔ)腎功能差，格拉斯哥昏迷評分(GCS)加重，更常伴發(fā)糖尿病、肝細(xì)胞功能障礙。

4.1 XGBoost 模型

在本研究中，XGBoost是在13001例(70%)隨機(jī)選擇的數(shù)據(jù)上進(jìn)行訓(xùn)練的，其余的6000例(30%)用于模型測試。圖2為XGBoost模型五折交叉驗證的AUC結(jié)果。我們可以看到AUC在0.828和0.844之間變化?？偟膩碚f，這些指標(biāo)明顯偏高，說明XGBoost可以用于AKI風(fēng)險檢測的建模。XGBoost最終在30%的測試集上測試，最終得到的性能指標(biāo)為：準(zhǔn)確性為0.816，AUC為0.839，再次表明該模型性能穩(wěn)定，表現(xiàn)顯著。XGBoost穩(wěn)定的高AUC(高靈敏度和高特異性)在其他研究中得到了進(jìn)一步的檢驗和驗證[56]：如Zimmerman等人[36]認(rèn)為大多數(shù)預(yù)測模型的AUC在0.75左右。此外，與Gong等人[27]， Zimmerman等人[36]和Li等人[57]的工作相比，本文的模型獲得了更好的AUC結(jié)果(Gong等人：0.781；Zimmerman等人：0.783；Li等人：0.779)。并且其中兩項研究沒有進(jìn)一步研究各特征向量間的詳細(xì)關(guān)系并提供對應(yīng)的模型解釋。

圖2 XGBoost模型5折交叉驗證的AUC值結(jié)果

此外，本文還比較了XGBoost與其他4種流行的ML算法的性能，結(jié)果見表3(各模型五倍交叉驗證的平均值；括號中的值為95%置信區(qū)間)和圖3。從測試的5種算法中，XGBoost表現(xiàn)最好。實(shí)驗結(jié)果也表明，其余4種模型各有優(yōu)缺點(diǎn)?？傮w而言，集成學(xué)習(xí)算法的性能優(yōu)于基分類器，特別是在靈敏度方面。這說明基礎(chǔ)算法不適合解決這類復(fù)雜的分類問題。

圖3 由測試集計算得到的各模型AUC結(jié)果

表3 5種AKI風(fēng)險預(yù)測模型的性能比較

4.2 特征重要性分析

除對AKI預(yù)測模型的預(yù)測能力進(jìn)行評估外，本文還進(jìn)一步分析了訓(xùn)練模型提供的關(guān)于特征重要性的信息。根據(jù)ICU常用的Apache， SAPS等風(fēng)險預(yù)測評分系統(tǒng)，結(jié)合臨床專家的意見，從MIMIC III數(shù)據(jù)庫中提取了與AKI發(fā)生、發(fā)展高度相關(guān)的特征，并在每個患者入院后最初24小時內(nèi)取平均值。最終共篩選出21個變量組成基本數(shù)據(jù)集，包括年齡、性別、生命體征和臨床實(shí)驗室結(jié)果。

圖4顯示了可引起AKI的前20個結(jié)構(gòu)化臨床指標(biāo)。根據(jù)結(jié)果，入院當(dāng)天基線Scr在AKI風(fēng)險預(yù)測中發(fā)揮了關(guān)鍵作用。總尿量(Total Volume Urine in 24 hours， TVU)是影響腎功能最重要的變量之一，其次是動脈血氧分壓(partial Pressure of Oxygen，PO2)、體溫和血尿素氮(Blood Urea Nitrogen，BUN)。預(yù)測AKI的關(guān)鍵信息集中在權(quán)重排名前5位的預(yù)測因子中。這一結(jié)果符合AKI病理生理學(xué)發(fā)展[58]，即Scr、尿量和BUN與AKI發(fā)生高度相關(guān)。PO2和體溫也是AKI的危險因素，表示這兩個指標(biāo)的異常可能增加ICU患者罹患AKI的概率。我們希望這些發(fā)現(xiàn)的關(guān)鍵變量能夠引起重視，進(jìn)而為協(xié)助臨床醫(yī)生更快地判斷ICU患者發(fā)生AKI的風(fēng)險，縮小臨床檢查和檢測的范圍。

圖4 預(yù)測模型中前20個變量的排名

4.3 解釋模型結(jié)果

為了進(jìn)一步明確各指標(biāo)相對于目標(biāo)變量的正/負(fù)關(guān)系，本文使用SHAP的特殊變體，TreeSHAP用于模型解釋。圖5為AKI風(fēng)險預(yù)測模型特征重要性排序的SHAP摘要圖。該摘要圖結(jié)合了特征重要度和特征的影響。摘要圖上的每個點(diǎn)都是一個特征和一個實(shí)例的Shapley值，y軸上的位置由特征決定，x軸上的位置由Shapley值決定，顏色代表特征值從小到大，重疊點(diǎn)在y軸方向上浮動，因此我們可以了解每個特征的Shapley值的分布。

我們可以看到入ICU 24h內(nèi)首次SCr測量值(Scr_baseline)對模型的影響最大。此外，該特征值越高，Shapley值越高，發(fā)生AKI的概率就越大?？偰蛄渴堑?個最重要的特征，該特征值越低，發(fā)生AKI的概率就越高，與GCS相同。在生命體征特征方面，圖5也顯示較高的體溫和呼吸頻率的患者發(fā)生AKI的概率增高。此外，盡管膽紅素(Bilirubin， BIL)的重要性明顯低于上述特征，但它對部分患者而言影響最大，且對AKI的發(fā)生有積極的影響。此外，在實(shí)驗室檢查方面，紅細(xì)胞比容(Hematocrit， HCT)和白蛋白(Albumin， ALB)越高越容易發(fā)生AKI，但它們的重要性也明顯較低。上述實(shí)驗結(jié)果與臨床及相關(guān)研究結(jié)果一致[59]，進(jìn)一步證實(shí)了GCS， BIL， HCT和相關(guān)生命體征對AKI風(fēng)險的影響。盡管圖5的摘要圖可以簡要說明特征對AKI風(fēng)險的正面或負(fù)面影響，但信息仍然有限。為了幫助醫(yī)生更好地了解各變量之間的交互效應(yīng)，有待進(jìn)一步研究各預(yù)測指標(biāo)之間的關(guān)系。圖6給出了兩個SHAP特征依賴圖的例子。

圖5 平均排名前20的特征變量SHAP摘要圖

如圖6(a)所示，我們選擇TVU作為特征來確定Scr從0.5增加到3.5時的影響。紅色的點(diǎn)代表Scr的高值，藍(lán)色的點(diǎn)代表低值。當(dāng)TVU較低時，Scr的SHAP值會增加，說明增加TVU會降低AKI發(fā)生的可能性。即降低TVU，增加Scr會導(dǎo)致AKI的概率增加。而Scr較低時的SHAP值小于零，說明增加TVU而Scr較低時，AKI發(fā)生的概率較低。

圖6(b)顯示了BUN和Scr對預(yù)測AKI帶來的影響。忽略圖形的顏色，關(guān)注BUN變化對模型輸出的影響。盡管存在噪聲，但在BUN值為25之前，SHAP值大多為負(fù)值。在25～75范圍內(nèi)，Shapley值逐漸增大并為正，當(dāng)BUN約為150時，SHAP值再次逐漸減小并為負(fù)。BUN的高度非線性影響證明了只看一個參數(shù)(例如，它是正的還是負(fù)的)往往是不夠的。從本質(zhì)上看，SHAP值表明BUN的主要影響為正；即當(dāng)BUN升高超過25時，AKI風(fēng)險增加。在BUN較高時，紅點(diǎn)出現(xiàn)越多；說明Scr和BUN呈正相關(guān)。從圖6可以看出，TVU降低，BUN升高，說明AKI風(fēng)險增加。一些研究報道BUN和尿量是AKI、終末期腎臟疾病和死亡率的重要指標(biāo)[60，61]。本研究給出的結(jié)果也驗證了這一結(jié)論。

圖6 重要指標(biāo)的SHAP特征依賴圖示例

值得注意的是，這些依賴圖說明的是相關(guān)性，而不是因果關(guān)系。基本上，它們提供了特定范圍下的信息，可以提醒特定環(huán)境下可能出現(xiàn)的結(jié)果變化趨勢。因此有必要將這些信息與醫(yī)生的經(jīng)驗和患者的病情相結(jié)合，以確定該特征是否可以作為干預(yù)的選擇。

最后，為了評估本文中的XGBoost模型，我們檢索了利用MIMIC III數(shù)據(jù)集進(jìn)行AKI預(yù)測的最新研究，并進(jìn)行了對比。如表4所示，本研究獲得了優(yōu)越的性能，這說明我們提出的模型非常有效。

表4 MIMIC-III數(shù)據(jù)集上的最新研究（僅用于AKI預(yù)測）不同模型性能的比較

5 討論

在本研究中，使用從MIMIC III數(shù)據(jù)庫中提取的一組數(shù)據(jù)，訓(xùn)練XGBoost模型對AKI的早期預(yù)測進(jìn)行建模。共納入13001個病例進(jìn)行模型訓(xùn)練，準(zhǔn)確率為0.816，AUC為0.839。此外，模型訓(xùn)練中AUC值(即五倍交叉驗證)也證實(shí)了該算法在預(yù)測AKI方面的高性能。該結(jié)果優(yōu)于文獻(xiàn)中報道的基線模型[36]。本研究還構(gòu)建了基于RF，ANN，SVM和LR算法的AKI風(fēng)險預(yù)測模型。將XGBoost模型與上述模型的性能進(jìn)行比較，結(jié)果表明，在所有評價指標(biāo)中，XGBoost模型的預(yù)測性能最好。相比之下，支持向量機(jī)在所有5種模型中表現(xiàn)出了最弱的性能。

由于支持向量機(jī)模型等基礎(chǔ)算法背后的數(shù)學(xué)邏輯對臨床醫(yī)生來說很難理解，除了預(yù)測結(jié)果之外，它不能給臨床醫(yī)生提供更多的信息。然而，作為一種基于決策樹的集成機(jī)器學(xué)習(xí)算法，XGBoost的另一個好處是它不受多重共線性的影響。因此，即使兩個變量在模型中的作用相同，我們也可以保留兩者，因為我們可以通過SHAP進(jìn)行特征重要性分析。因此，我們認(rèn)為XGBoost模型具有良好的模型性能和臨床可解釋性，在AKI風(fēng)險預(yù)測方面具有很大的潛力。

利用SHAP對最終的XGBoost模型進(jìn)行特征重要性分析，發(fā)現(xiàn)腎功能相關(guān)特征(尤其是Scr)對模型中AKI發(fā)生的概率有實(shí)質(zhì)性影響。相比之下，心率是除性別外最不重要的特征，我們注意到數(shù)據(jù)集中缺失了大量的心率數(shù)據(jù)(83.4%)，這可能是導(dǎo)致該結(jié)果的原因之一。該模型的結(jié)果也可以為臨床決策提供信息。以溫度為例，溫度對AKI的發(fā)生概率有積極的影響，可能對高溫患者采取更多的降溫措施可以緩解AKI的發(fā)生。血鉀水平升高可能是腎臟損傷早期電解質(zhì)紊亂的表現(xiàn)[64]。而Glu的特征表明糖尿病共病和程序風(fēng)險可能導(dǎo)致AKI發(fā)病，與文獻(xiàn)一致[65]。特征變量重要性排序結(jié)果證實(shí)，臨床記錄中有臨床意義的關(guān)鍵詞可以用于預(yù)測AKI，我們所建立的模型確實(shí)捕捉到了這些特征變量。進(jìn)一步進(jìn)行SHAP依賴分析，獲取并描述兩對特征對模型的影響(圖6)，該方法不僅能夠評價特征對模型輸出影響的重要性和方向，還可以提取特征對模型輸出的復(fù)雜非線性影響[66]。值得注意的是，在這項工作中，TVU和BUN的交互影響提供了有意義的信息，這是大多數(shù)其他技術(shù)無法捕捉到的。

我們的研究還有以下幾個優(yōu)勢。首先，本研究使用的數(shù)據(jù)庫是一個公開的、大規(guī)模的ICU數(shù)據(jù)庫，樣本量充足。其次，我們采用XGBoost算法構(gòu)建預(yù)測模型，該模型能夠容納大量特征變量的數(shù)據(jù)，并對影響AKI預(yù)測的變量進(jìn)行重要性排序。第三，本文采用了五倍交叉驗證，以獲得更性能更穩(wěn)定的模型。第四，我們所使用的預(yù)測變量可以在臨床實(shí)踐中得到，這就保證了該模型的臨床可用性。最后，本模型具有臨床可解釋性，預(yù)測模型的可靠性，且可以幫助醫(yī)生更好地了解各變量與目標(biāo)變量之間及兩變量相互之間的交互效應(yīng)。

這項回顧性研究仍有一些局限性。首先，本文使用的數(shù)據(jù)是從單中心數(shù)據(jù)庫中提取的。因此，本研究獲得的結(jié)論仍需進(jìn)一步的外部驗證，以進(jìn)行泛化和前瞻性試驗，評估其臨床效用。其次，有許多因素可導(dǎo)致或促成AKI，包括有效循環(huán)血量不足、腎毒性藥物和敗血癥[5，67]。 然而，本研究使用的數(shù)據(jù)集僅包含了部分在MIMIC III數(shù)據(jù)庫中定義的結(jié)構(gòu)化信息，而其他急性腎損傷危險因素，如膿毒癥、燒傷、創(chuàng)傷、心臟手術(shù)、腎毒性藥物等[3]，也可能有助于提升我們模型的性能。第三，由于我們沒有獲得ICU入院前的SCr數(shù)據(jù)，因此只能以ICU入院后第1次SCr檢測值作為基線。最后，本研究中發(fā)現(xiàn)的重要特征和拐點(diǎn)可作為AKI風(fēng)險的早期體征，但在其推薦范圍是否可作為對照的參考還需進(jìn)一步驗證。

6 結(jié)論

由于AKI與不良臨床結(jié)果和額外的醫(yī)療資源消耗相關(guān)，本文開發(fā)了一個高性能的XGBoost預(yù)測模型，通過使用入ICU后的前24 h數(shù)據(jù)，早期預(yù)測所有危重成人患者患AKI的風(fēng)險。雖然基于XGBoost算法的AKI風(fēng)險預(yù)測模型的臨床適用性還需要在實(shí)際的臨床實(shí)踐中進(jìn)行檢驗，但我們認(rèn)為XGBoost模型由于其性能和臨床可解釋性，在未來ICU的臨床工作中具有很大應(yīng)用價值，有助于ICU臨床醫(yī)師避免延誤高危AKI患者的治療，這對改善AKI患者的預(yù)后至關(guān)重要。