基于机器学习的系统性红斑狼疮患者急性肾损伤风险预测模型构建与验证

作者：蓝益琛

单位：贵州省人民医院

摘要

本研究构建并验证基于机器学习的系统性红斑狼疮（SLE）患者急性肾损伤（AKI）风险预测模型。

方法回顾性纳入958例SLE住院患者，收集人口学特征、实验室检查、用药史及合并症等57项临床指标。采用单因素分析和Lasso回归进行特征筛选，将数据集按8:2比例随机分为训练集（n=766）和测试集（n=192）。构建Logistic回归、决策树、随机森林和神经网络四种模型，通过ROC曲线、校准曲线、决策曲线等多维度评估模型性能。

结论基于随机森林的SLE-AKI预测模型具有优良的预测性能和临床实用价值。CRP、胱抑素C、IL-6等炎症及肾功能指标是预测AKI的关键因素，可作为临床早期识别高危患者的重要参考指标

关键词：系统性红斑狼疮；急性肾损伤；机器学习；随机森林；预测模型

来源：中华医学会第二十八次风湿病学学术会议