10.20-10.26临床预测模型研究顶刊快报

JAMA Network  2025/10/20-2025/10/26

THE LANCET  2025/10/20-2025/10/26

Nature  2025/10/20-2025/10/26

1.结直肠手术吻合口漏临床预测模型的建立

Development of a Clinical Prediction Model for Anastomotic Leakage in Colorectal Surgery

（1）目的：该研究旨在开发一个基于机器学习的预测模型，通过整合多个基础模型的预测结果和患者特异性临床特征，更准确地预测结直肠手术后吻合口漏的发生风险。通过分析34项术前和术中风险因素之间的复杂非线性关系，为临床医生提供个体化的风险预测工具，以辅助术前规划和高危患者识别。

（2）结论：本研究证实，所开发的元模型在预测吻合口漏方面显著优于单一基础模型（如CatBoost、随机森林等）。通过5折交叉验证和外部验证，该模型的F1分数分别达到87%（95% CI, 78%-95%）和70%，表明其具有良好的泛化能力。研究强调，该模型能够通过交叉注意力机制有效捕捉基础模型预测与临床特征之间的交互作用，从而提升预测准确性。此外，团队还将模型集成至一个原型网络应用程序，支持临床医生模拟不同手术方案的风险。

1.远程眼科与视网膜疾病社区验光转诊标准护理（HERMES）：一项集群随机对照试验，结合人工智能支持的前瞻性诊断准确性评估

Teleophthalmology versus standard of care for community optometry referrals of retinal disease (HERMES): a cluster randomised controlled trial with linked prospective diagnostic accuracy assessment of artificial intelligence support

（1）背景：当前，社区验光师向医院眼科的转诊路径存在大量不必要的访问，这些低效转诊加剧了医院服务压力，尤其随着人口老龄化和慢性视网膜疾病患病率上升，医院资源日益紧张。因此，本研究旨在通过HERMES试验评估远程眼科途径与标准护理相比的优劣，并并行验证AI模型在真实世界中的诊断准确性，以填补证据空白并指导临床实践改进。

（2）解释： HERMES试验结果表明，在转诊参与者中，远程眼科组的不必要紧急转诊率比标准护理组降低了59%（绝对差异17%，p=0.0004），达到了预设的30%优越性边界，而整体不必要转诊的减少虽具统计学意义（绝对差异6%，p=0.018），但因事件数较少而影响不确定；远程眼科还显示了类似的安全性，误诊率低，且通过医院专家远程审核OCT扫描，实现了更快的转诊至咨询时间（平均减少36天）。同时，人工智能组件揭示Moorfields-DeepMind-AI模型在真实世界中仅能处理约52%的OCT扫，其转诊推荐特异性低（20%），导致过度转诊。

2.使用肝脏脂肪放射组指数（LARI）在低剂量冠状动脉钙化CT中评估机会性肝脂肪变性

Opportunistic hepatic steatosis assessment in low-dose coronary artery calcium CT using liver adipose-radiomic index (LARI)

（1）背景：随着肥胖和糖尿病等代谢风险因素流行，肝脂肪变性（Hepatic Steatosis, HS）的全球患病率高达32%，美国达40%，急需准确、非侵入性的诊断方法以进行早期干预。低剂量冠状动脉钙化CT（CAC）扫描常用于肺癌筛查和心血管风险评估，为机会性检测HS提供了潜在平台，无需额外扫描或辐射暴露。因此，本研究旨在开发一种基于放射组学的肝脂肪指数（LARI），利用CAC CT中的肝纹理特征量化早期脂肪浸润的细微变化，并以非侵入性1H MRS和侵入性肝活检为参考标准进行验证，以弥补现有工具的不足。

（2）解释： LARI在独立验证队列中表现出卓越的诊断性能，其受试者工作特征曲线下面积（AUC）达0.91（95% CI 0.87-0.94），显著优于所有临床指数和CT-based指数，DeLong检验P值均小于0.05。网络重分类指数（NRI）改善范围为0.05-0.45，决策曲线分析（DCA）显示LARI在所有概率阈值下均具更高净收益，支持其临床实用性。在肝活检外部验证中，LARI的AUC为0.76（95% CI 0.68-0.83），仍优于CT-based方法，且在不同性别和种族组中表现公平（无显著差异），凸显其泛化能力。

3.儿童和青少年癫痫预测模型：系统评价和荟萃分析

Epilepsy prediction models for children and adolescents: a systematic review and meta-analysis

（1）背景：癫痫是一种慢性神经系统疾病，作为儿童和青少年中常见的神经系统障碍，癫痫的特征是脑神经元异常放电，引发反复发作，严重影响患者的生活质量、认知发展和死亡率风险。近年来，许多研究致力于构建儿童和青少年癫痫的预测模型，用于诊断、发作预测、预后分析和治疗评估，但现有模型结果不一致，且缺乏系统评估，这凸显了全面审查其准确性和有效性的必要性，以指导未来研究和证据为基础的临床策略。

（2）解释：研究发现，当前研究存在区域分布不均的问题，多数研究（16项）来自中国，且25项研究具有高偏倚风险。荟萃分析显示，训练模型的汇总AUC为0.794（95% CI: 0.747-0.840），而验证模型的汇总AUC为0.726（95% CI: 0.659-0.792），表明模型性能中等但稳定性不足。亚组分析进一步揭示，临床特征与脑电图组合的预测效果（训练AUC 0.855；验证AUC 0.743）优于包括磁共振成像的模型（训练AUC 0.725；验证AUC 0.655），提示过度拟合风险；非机器学习模型（如逻辑回归）在训练和验证中均优于机器学习模型，但差异可能不显著；外部验证的AUC（0.807）高于内部验证（0.634），但异质性极高。

4.急性消化道出血患者脓毒症实时风险预测模型：动态监测工具的开发及多中心验证

Real-time risk prediction model for sepsis in patients with acute gastrointestinal bleeding: development and multicenter validation of a dynamic monitoring tool

（1）背景：现有证据表明，急性胃肠道出血（AGIB）与败血症之间存在双向关系：败血症可诱发AGIB，而AGIB患者也极易发生严重感染，但反向因果关系的研究相对缺乏，且现有评分系统如GBS、APACHE II和SOFA虽用于评估出血风险或疾病严重度，却无法专门预测败血症风险，导致临床管理中缺乏针对性工具，往往依赖经验性抗生素治疗，可能造成过度或不足治疗。因此，本研究旨在通过多中心队列开发并验证一个实时败血症风险预测模型，以解决这一未满足的临床需求，优化风险分层和个性化管理。

（2）解释：作为首个针对AGIB患者败血症的预测工具，在内部和外部验证中均表现出色（训练集AUC为0.827，内部验证集AUC为0.836，外部验证集AUC为0.884），显著优于传统评分系统（如SOFA、APACHE II和GBS）。模型通过多变量逻辑回归识别了关键预测因子，并利用SHAP分析揭示了这些变量间的交互作用，说明败血症风险可能与凝血功能障碍、炎症反应和器官灌注不足等多路径相关。

1.母体血浆游离RNA作为妊娠期间早发型和晚发型先兆子痫的预测指标

Maternal plasma cell-free RNA as a predictor of early and late-onset preeclampsia throughout pregnancy

（1）介绍：文章首先强调了先兆子痫（preeclampsia）作为威胁母婴健康的严重妊娠并发症，其早期和晚期发病亚型（EOPE和LOPE）具有不同的临床特征和风险，但当前非侵入性早期预测方法仍面临挑战，如依赖胎盘功能障碍标志物（如sFLT1和PIGF）的局限性，包括预测时间较晚（通常从孕23周开始）和亚型区分不足。研究旨在通过前瞻性队列分析孕妇血浆中的游离RNA（cfRNA）谱，以解决这些缺口。

（2）结果：研究结果基于一个前瞻性队列，最终纳入42例EOPE、43例LOPE和131例匹配对照，进行三孕期cfRNA测序分析。预测模型性能方面，孕早期（T1）模型对EOPE的预测AUC达0.88（提前18.0周），而LOPE预测较差（AUC=0.68）；孕中期（T2）模型对EOPE的AUC为0.89（提前8.5周），LOPE的AUC为0.90（提前14.9周），外部验证支持了模型的稳健性（如EOPE在T1的AUC=0.87）。模型特征重要性分析显示EOPE相关cfRNA富集于蜕膜和胎盘基因（如CBR3、MMP7），而LOPE模型涉及更广泛的免疫和器官功能基因，突出了亚型特异性的分子机制。