基于机器学习预测微创心脏外科手术患者术中红细胞输注概率的研究

目的探讨机器学习预测微创心脏外科手术(minimally invasive cardiac surgery,MICS)患者术中红细胞输注概率的可行性。方法选取2019年6月至2022年12月广东省人民医院行MICS的患者1837例,按照8.5∶1.5的比例随机分层划分为训练集(1562例)和测试集(275例)。使用训练集在H2O.ai平台自动进行模型训练,然后利用测试集对模型进行内部验证以选择最佳模型,并对该模型进行可视化解释。结果1837例MICS患者中,男820例,女1017例,年龄18~83岁,平均(48.3±15.0)岁。MICS术中输注红细胞的发生率为11.3%(207/1837)。自动化建立的59个机器学习模型中,基于梯度提升机(gradient boosting machine,GBM)算法的模型预测性能最佳(AUC=0.880,95%CI:0.832~0.927,P=0.029)。GBM模型中最关键的变量是体外循环(cardiopulmonary bypass,CPB)最低红细胞压积(hematocrit,HCT),其权重百分比为23.54%,其次是术前HCT(16.01%)、CPB时间(9.09%)、外科医生团队(8.36%)、BMI(4.94%)、身高(4.47%)、心脏停搏液类型(4.45%)等。结论在建立的机器学习模型中,基于GBM算法的模型表现出最佳性能,可以有效、准确地预测红细胞输注风险,提供了一个可解释的预测模型,有助于临床医生推进MICS患者的科学用血。

心脏外科手术患者围手术期血液管理研究进展

输血在心脏手术中难以避免且已被证实对患者总体预后产生不利影响,但患者血液管理(PBM)作为一种基于循证医学的以患者为中心的系统化方案,能够减少不必要的血制品暴露,改善患者预后。文章综述了心脏外科患者围手术期PBM的研究进展,包括术前、术中和术后的不同阶段,旨在为临床医师提供参考。术前阶段重点关注高危出血风险患者的评估以及贫血管理;术中PBM策略的优化涵盖了微创技术、逆行自体血预充、自体血回输、凝血因子浓缩物、抗纤溶剂及粘弹性凝血试验的应用;术后则采取限制性输血策略。