Прогнозирование острого заболевания почек после кардиохирургических операций: подход на основе машинного обучения

Почечное повреждение после кардиохирургических операций является одним из распространенных осложнений с высокой частотой встречаемости, высоким риском смертности и прогрессирования в хроническую болезнь почек (ХБП). Предыдущие оценки периоперационной функции почек в основном были сосредоточены на остром повреждении почек (ОПП), связанном с кардиохирургией, в течение семи дней после операции. Недавно предложенная концепция острого заболевания почек (ОДП) в последние годы относится к острому или подострому повреждению почек, длящемуся от семи до девяноста дней. Исследования показали, что ОДП может возникать после ОПП или у пациентов без ОПП, и эти два состояния взаимосвязаны и независимы друг от друга, возможно, указывая на различные подтипы повреждения почек. ОДП встречается нередко и является более значимым предиктором смертности и терминальной стадии болезни почек (ТХПН). Следовательно, ОДП может быть важным окном для выявления и ведения пациентов высокого риска после кардиохирургических операций. В связи с ограниченными исследованиями ОДП после кардиохирургии факторы риска ОДП в настоящее время неясны, и не существует клинически практичных и эффективных инструментов стратификации риска. Цель данного исследования – создать мультимодальную периоперационную платформу данных с помощью ретроспективной когорты и использовать методы машинного обучения для построения модели прогнозирования риска ОДП после кардиохирургических операций. Точность и стабильность модели будут проверены в проспективной когорте исследования, а также будет разработан онлайн-инструмент для прогнозирования риска и принятия клинических решений, чтобы помочь клиницистам быстро проводить персонализированные оценки риска и оптимизировать диагностические и лечебные стратегии, тем самым улучшая прогноз пациентов и снижая медицинские расходы.