05.25-05.31 临床预测模型研究顶刊快报

THE  JAMA 2026/05/25-2026/05/31

1、血浆生物标志物对老年人轻度创伤性脑损伤的诊断准确性  05.29  JAMA Network Open

2、血浆eMTBR-tau243和%p-tau217用于阿尔茨海默病生物学分期  05.26  JAMA Neurology

THE  LANCET 2026/05/25-2026/05/31

1、腰椎管狭窄症手术后预后的通用预测模型：模型开发和外部验证研究  05.27 eClinicalMedicine

THE  NATURE 2026/05/25-2026/05/31

1、基于人工智能的多模态深度学习模型用于根治性肾切除术患者的功能性预后风险分层  05.28  nature communications

JAMA Network

1、血浆生物标志物对老年人轻度创伤性脑损伤的诊断准确性

Diagnostic Accuracy of Plasma Biomarkers for Mild Traumatic Brain Injury in Older Adults

（1）背景：老年人轻度创伤性脑损伤（mTBI）诊断困难，因其症状与年龄相关变化重叠。现有血浆 biomarkers 研究多排除老年人，缺乏适用于该人群的阈值。本研究旨在评估 GFAP、UCH-L1、BD-tau 和 NFL 四种血浆标志物在老年人 mTBI 中的诊断价值，并探索其在临床不明确病例中的应用。

（2）结论：GFAP 在伤后 72 小时内对老年人 mTBI 诊断准确率最高（AAUC=0.93），且阈值呈显著年龄依赖性（60 岁约 94–108 pg/mL，84 岁约 194–208 pg/mL）。UCH-L1 阈值存在明显性别差异（女性约 9.6 pg/mL，男性约 2.3 pg/mL）。在临床可疑 mTBI 患者中，多数人 GFAP 和 BD-tau 超过个性化阈值，提示 biomarkers 可提高诊断确定性。

2、血浆 eMTBR-tau243 和 %p-tau217 用于阿尔茨海默病生物学分期

Plasma eMTBR-tau243 and %p-tau217 for Biological Staging of Alzheimer Disease

（1）背景：阿尔茨海默病（AD）的生物学分期对精准诊疗至关重要，但现有 PET 或脑脊液检测成本高、有创，难以推广。本研究旨在利用血浆 %p-tau217（反映 Aβ 病理）和 eMTBR-tau243（反映 tau 缠结）构建与 PET 分期高度一致的血液生物学分期模型，以提升可及性。

（2）结论：基于 %p-tau217 和 eMTBR-tau243 的血浆分期模型与 PET 分期一致性高（C index=0.91），优于单用 %p-tau217 模型，尤其改善了中间期（C 期）的识别。该模型与临床严重程度、生物标志物纵向变化及尸检病理分期均高度相关，为 AD 的微创、可扩展生物学分期提供了有力工具。

THE LANCET

1、腰椎管狭窄症手术后预后的通用预测模型：模型开发和外部验证研究

Generalisable prediction models for outcomes after lumbar spinal stenosis surgery: a model development and external validation study

（1）背景：腰椎管狭窄症是脊柱手术的主要指征，但术后疗效个体差异大，缺乏可靠的预测工具。本研究利用挪威、瑞典、丹麦三国脊柱注册库的大样本数据（共66,671例），开发并外部验证可泛化的预测模型，旨在为术前医患共同决策提供个体化的术后残疾和疼痛风险估计。

（2）结论：基于16个常规收集的预测因子，回归模型与XGBoost机器学习模型对术后12个月残疾（ODI）的预测性能良好（外部验证校正R² 0.26–0.33，C统计量0.75–0.78），校准可接受，且在不同国家和亚组中表现一致。疼痛模型的预测性能相对较低。该研究为脊柱术后预后预测提供了可泛化的工具基础。

THE NATURE

1、基于人工智能的多模态深度学习模型用于根治性肾切除术患者的功能性预后风险分层

Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy

（1）背景：复杂肾细胞癌（RCC）患者面临根治性肾切除术（RN）与保留肾单位手术（PN）的艰难抉择。RN术后部分患者会出现每年eGFR下降>3 mL/min/1.73m²的“快速GFR下降”，显著增加终末期肾病和心血管事件风险。目前缺乏术前预测该风险的可靠工具。

（2）结论：本研究基于15个中心1621例患者的多期增强CT影像和临床数据，开发了多模态深度学习模型RDPM。模型在外部测试集中AUC达到0.788–0.873，可有效将患者分层为高、低风险组，且分层与CKD 3b/4期进展风险及病理CKD评分显著相关。该模型有望辅助复杂RCC的手术决策。