基于机器学习解析创伤性脑损伤合并急性肾损伤患者血清氯离子动态轨迹的预后价值

　　本研究通过机器学习中的潜在类别混合模型(LCMM)，分析MIMIC-IV和eICU数据库中TBI-AKI患者96小时内血清氯离子(Cl- )动态轨迹，识别出5种特征性变化模式。结果显示早期快速升高的Cl- 轨迹组28天死亡率最高(HR=2.47)，且与急性肾脏病(AKD)发生显著相关，为TBI-AKI的早期风险分层提供了新型生物标志物。

　　

创伤性脑损伤(TBI)是全球范围内导致死亡和残疾的重要病因，每年影响超过3000万人，其中10%-15%需要重症监护。更严峻的是，约10%的TBI患者会并发急性肾损伤(AKI)，这种并发症显著增加死亡率、延长住院时间并加重经济负担。传统上，临床依赖血清肌酐水平和KDIGO分级评估AKI严重程度，但这些指标存在滞后性，无法反映损伤的动态过程。近年来，血清氯离子(Cl^-
)作为酸碱平衡和肾灌注的关键调节因子，其异常升高与AKI预后密切相关。然而，现有研究多聚焦单一时间点的最高氯值，忽视了其动态变化轨迹可能蕴含的更深层临床价值。

针对这一科学盲区，南京中医药大学附属医院的研究团队开展了一项创新性研究，通过机器学习技术解析TBI-AKI患者早期血清氯离子轨迹的临床意义。研究团队从MIMIC-IV和eICU两大重症医学数据库中筛选出1227例患者，运用潜在类别混合模型(LCMM)对96小时内的血清氯变化进行模式识别，并建立预后预测模型。这项开创性工作发表于《Journal of Radiation Research and Applied Sciences》，为TBI-AKI的精准管理提供了新思路。

研究采用三大关键技术：1)从MIMIC-IV(n=640)和eICU(n=587)数据库中提取TBI-AKI患者数据，严格遵循KDIGO标准定义AKI；2)应用LCMM模型分析血清氯相对基线值的变化百分比([血清氯-参考值]/参考值×100)，通过贝叶斯信息准则(BIC)确定最佳分类数；3)采用多变量Cox回归和Kaplan-Meier分析评估不同轨迹组与28天死亡率、7天死亡率和AKD发生的关联性，并在eICU队列中进行外部验证。

研究结果揭示五大特征性轨迹：

1. 基线特征差异：在640例训练队列中，LCMM识别出5类轨迹，其中第3类(早期中度升高，占58.4%)最常见。各组在年龄、APSIII评分、SOFA评分等指标上存在显著差异(P<0.05)。

2. 预后分层价值：

• 28天复合终点：早期快速升高组(第5类)风险最高(HR=2.96, 95%CI:1.38-6.32)，其28天死亡率或AKD发生率显著高于晚期轻度升高组。
• 7天预后：第5类患者7天死亡风险达3.18倍(95%CI:1.21-8.36)，AKD发生风险更高达5.40倍(95%CI:1.44-20.22)。
• AKD特异性风险：多因素逻辑回归显示，第5类患者AKD发生风险较第1类增加4.8倍(P=0.012)。

1. 外部验证一致性：在eICU验证队列中重现了5类轨迹模式，C-index达0.72(95%CI:0.68-0.76)，证实模型的稳健性。

讨论部分强调三大科学价值：首先，这是首个将机器学习应用于TBI-AKI患者电解质动态分析的临床研究，突破传统单时间点检测的局限。其次，研究发现早期(48小时内)血清氯快速升高>15%的患者预后最差，这为ICU中的实时监测提供了明确的时间窗。第三，该模型可识别AKD高风险人群，有助于早期干预如调整液体管理或肾脏替代治疗(CRRT)时机。

研究也存在一定局限性，包括回顾性设计、以欧美人群为主的数据偏差，以及部分实验室数据的插补处理可能影响结果准确性。未来需要在前瞻性队列中验证，并探索不同种族间的差异。

这项研究创新性地将生物信息学与临床医学相结合，证实血清氯动态轨迹可作为TBI-AKI预后的新型预测工具。其临床意义在于：一方面为重症监护中的实时决策提供量化依据，另一方面为开发基于电解质监测的预警系统奠定基础。该成果不仅推动AKD的早期识别，更为个体化治疗策略的制定开辟了新途径。