一种可解释性创伤性中型颅脑损伤患者早期神经功能恶化预测模型的构建与验证:一项多中心回顾性探索研究
杨晓亮1
张荣军2
王晓峰3
龙乾发4
曹卫东5
赵明5
张宏兵2
张敏2
乔育3
于蓬勃3
王维玺2
徐樊6
王艳7
桂忆南8
1.联勤保障部队第九八七医院神经外科,陕西 宝鸡 721004;联勤保障部队第九八七医院急诊医学科,陕西 宝鸡 7210042.联勤保障部队第九八七医院神经外科,陕西 宝鸡 7210043.陕西省宝鸡市中医医院神经外科,陕西 宝鸡 7210064.西安交通大学附属西安市中心医院神经外科,西安 7100325.解放军总医院第一医学中心神经外科,北京 1008536.联勤保障部队第九八七医院疾控科,陕西 宝鸡 7210047.联勤保障部队第九八七医院急诊医学科,陕西 宝鸡 7210048.联勤保障部队的九八七医院病理科,陕西 宝鸡 721004
摘要：目的 部分创伤性中型颅脑损伤患者存在早期神经功能恶化风险,一旦发生则预后不良,故早期识别至关重要.本研究旨在整合临床与影像学特征,利用机器学习方法构建早期神经功能恶化的预测模型,以提高风险评估准确性,为早期干预提供依据.方法 本研究为多中心回顾性探索研究,纳入2019年1月至2025年7月期间联勤保障部队第九八七医院、宝鸡市中医医院、西安市中心医院三家医院收治的创伤性中型颅脑损伤患者.采用Logistic回归、决策树、随机森林、支持向量机、神经网络、极端梯度提升(XGBoost)、朴素贝叶斯、梯度提升机(GBM)及K近邻(KNN)共9种机器学习方法构建预测模型,并计算中性粒细胞-淋巴细胞比率、甘油三酯-葡萄糖指数、静脉血与指尖血糖比值、全身炎症反应指数等指标.通过曲线下面积(AUC)、敏感性、特异性、F1分数、约登指数(Youden指数)、决策曲线分析与校准曲线评估模型性能,并采用沙普利加性解释方法(SHAP方法)解释模型特征的重要性.结果 研究共纳入160例患者,其中训练集115例(恶化组60例、未恶化组55例),外部验证集45例(恶化组10例、未恶化组35例).在9种机器学习模型中,随机森林表现最佳,其训练集AUC为 0.819,外部验证AUC为0.731.SHAP分析进一步揭示了各特征对预测结果的贡献程度.结论 本研究为创伤性中型颅脑损伤患者的早期神经功能恶化模型的初步研究,能够有效预测创伤性中型颅脑损伤的神经功能恶化,为未来大规模临床研究与应用提供了重要参考依据.
关键词：创伤性中型颅脑损伤神经功能恶化机器学习预测模型SHAP
资助基金：陕西省自然科学基础研究计划资助项目(2024JC-YBMS-734)
论文发表日期：2026-03-28
在线出版日期：2026-03-26（本平台首次上网日期，不代表文献的发表时间）
页数：13( 22-34 )
英文信息