AI模型可更准确预测循环死亡后肝脏捐献者的死亡进程

2025年11月20日，星期四

根据一项发表于11月13日《柳叶刀-数字健康》的研究，一种机器学习模型能够改进对循环死亡后捐献肝脏病例中捐献者进展至死亡的预测。

来自日本京都大学的柳川伦太郎及其同事，利用2,221名捐献者的数据，开发并验证了一种机器学习模型，以更好地预测循环死亡后捐献案例中捐献者的死亡进程。研究团队使用从1,616名捐献者处获取的回顾性数据集，并采用轻量级梯度提升机框架开发了一个预测模型。随后，该模型分别通过了回顾性验证（398名捐献者）和前瞻性验证（207名捐献者）。

图片来源：drugs

总体上，有1,260名循环死亡后捐献者最终进展至死亡；其中927人在拔管后30分钟内死亡。研究人员发现，LightGBM模型的交叉验证结果显示，在预测拔管后30、45和60分钟捐献者进展至死亡方面，其曲线下面积分别为0.833、0.801和0.805。这一性能在回顾性和前瞻性验证队列中均得到保持（AUC分别为0.834、0.819、0.799和0.831、0.812、0.805）。

与外科医生的预测相比，LightGBM模型的无效获取率更低（0.078对0.195），并且在拔管后30分钟外科医生间判断不一致的病例中准确率更高（0.29对0.08），而错过获取机会的比率则相近（0.167对0.155）。

"该模型能在任何手术准备工作开始之前，识别出器官何时可能有用，这可以使移植过程更加高效，"该研究的资深作者、加利福尼亚州斯坦福大学医学中心的KazunariSasaki博士在一份声明中表示。

消息来源：《柳叶刀-数字健康》，2025年11月13日在线版