入院时混合电解质失衡对有无肾病患者不良后果的影响

《Chinese Medical Journal》：Impact of mixed electrolyte imbalances at admission on adverse outcomes in patients with and without renal disease

　　本研究利用AI分析胸部CT图像，通过隐类分析（LCA）将重症肺炎（SP）患者分为两个亚型。亚型1患者感染较轻，30天和90天死亡率显著低于亚型2，且通气与气体交换匹配度更高，侵入性通气预后更优。研究提出基于非感染肺区占比与血氧饱和度的肺功能生物标志物，为精准通气策略提供依据。

　　在医学领域，人工智能（AI）技术的快速发展正在为疾病诊断和治疗策略的制定提供新的视角。本研究聚焦于严重肺炎（SP）这一高风险疾病，探索了AI辅助诊断在识别SP亚型中的应用价值，并进一步分析了这些亚型与机械通气治疗效果之间的关系。严重肺炎是一种影响肺部结构和功能的严重疾病，常伴随低氧血症或低血压，其治疗过程中机械通气的使用至关重要，但并非所有患者都能从通气治疗中获益。因此，识别患者群体中的临床和生物学异质性，有助于实现更加精准的治疗策略，提高治疗效果并降低死亡率。

本研究基于胸部CT图像，利用AI辅助的潜在类别分析（LCA）方法，对413例SP患者进行了亚型划分。LCA是一种数据驱动的无偏算法，能够根据数据特征识别急性呼吸窘迫综合征（ARDS）等疾病的亚型。在本研究中，AI量化分析结果被用作主要分类变量，结合临床变量进一步优化模型。最终，通过比较不同分类模型的统计指标，研究团队确定了最优的双类别LCA模型。该模型不仅具有较高的统计显著性，还表现出良好的分类稳定性，显示出SP患者群体中存在明显的临床异质性。

研究结果显示，根据AI量化结果划分的两个亚型具有显著的生物学差异。亚型1的患者感染程度较轻，表现出更低的30天、90天、住院期间以及2年的死亡率。而亚型2的患者感染更为严重，死亡率显著高于亚型1。此外，亚型1患者在肺通气与气体交换之间的匹配度更高，这表明他们更有可能从侵入性通气治疗中获益。研究团队通过分析患者在不同治疗方式下的生存曲线，发现亚型1患者在接受侵入性通气治疗后，其生存率显著提高，而亚型2患者则表现出较差的预后。这些结果表明，识别肺通气与气体交换之间的匹配程度，可能为临床提供重要的决策依据，帮助医生更有效地选择通气方式。

为了更全面地评估患者的肺功能，研究团队还结合了动脉血氧饱和度（SaO?）等指标，提出了一个新的肺功能标志物——非感染肺区百分比与SaO?的比值（P_{non-infected lung region}/SaO?）。这一标志物能够反映肺通气和气体交换之间的匹配程度，为临床评估提供了新的工具。与传统的肺炎评分系统相比，该标志物在评估短期和长期生存率方面表现出更高的敏感性和特异性。此外，研究还发现，该标志物在不同治疗方式下的分布趋势与患者生存情况密切相关，进一步支持了其在临床中的应用价值。

本研究的意义在于，它首次将AI量化结果与LCA方法相结合，成功识别了SP患者群体中的两种亚型，并揭示了这些亚型在肺功能和治疗反应方面的差异。这一发现为实现精准医疗提供了新的思路，即通过识别患者的生物学特征，为不同亚型患者制定个性化的治疗方案。同时，研究还表明，基于AI的肺功能标志物在临床中具有较高的实用性和可操作性，能够为医生在通气治疗策略的选择上提供重要参考。

在方法学上，本研究采用了回顾性分析，涵盖了从2015年6月1日至2020年5月30日期间在新华医院住院的SP患者。研究团队通过标准化流程，对患者的胸部CT图像进行了AI辅助分析，包括自动勾画感兴趣区域（ROI）、量化分析感染区域的体积和百分比，以及计算非感染肺区的百分比。这些数据不仅提供了关于肺部感染程度的客观信息，还能够反映患者的通气状态和气体交换能力。此外，研究还收集了患者的临床数据，包括实验室指标、动脉血气分析结果、肺炎评分和合并症等，以全面评估亚型特征及其对预后的影响。

在统计分析方面，研究团队使用了多种方法，包括t检验、卡方检验和Kaplan-Meier生存曲线分析。这些方法不仅验证了亚型之间的显著差异，还揭示了不同治疗方式对患者生存率的影响。例如，侵入性通气治疗在亚型1和亚型2患者中的效果存在明显不同，亚型1患者在侵入性通气后表现出更高的生存率。这些发现为临床医生在选择通气方式时提供了重要的依据，即对于肺通气与气体交换匹配度较高的患者，侵入性通气可能是一个更优的选择。

本研究的局限性主要包括样本量较小以及部分数据缺失。尽管如此，研究结果的趋势依然清晰，显示出AI辅助方法在识别SP亚型中的巨大潜力。此外，研究团队还提到，由于数据获取的限制，部分动脉血气分析数据存在缺失，但他们通过原始版本和完整版本的比较，确保了分析的全面性和准确性。未来的研究可以进一步扩大样本量，增加数据的多样性，以验证这一方法的普适性和可靠性。

综上所述，本研究通过AI辅助的胸部CT图像分析，成功识别了SP患者群体中的两种亚型，并揭示了这些亚型在肺功能和治疗反应方面的差异。这一发现不仅有助于提高对SP的认识，还为实现精准医疗提供了新的工具和思路。基于AI的肺功能标志物显示出较高的临床价值，能够为医生在通气治疗策略的选择上提供重要参考。未来，随着AI技术的不断进步和临床应用的深入，这种基于图像分析的方法有望在更多疾病中得到推广，为患者提供更加个性化的治疗方案。