基于机器学习的术后谵妄预测模型研究进展
俞艳1 王委2 吴镜湘2
1上海理工大学健康科学与工程学院
2上海市胸科医院麻醉科
通信作者：吴镜湘
Email: wjx1132@163.com
基金项目：中央高校基本科研业务费专项资金资助项目（YG2024LC10）；东方英才计划拔尖人才项目（BJKJ2024039）
【摘要】术后谵妄（POD）是围术期常见的严重并发症，影响患者预后。传统风险评估模型在预测精度和个体化方面存在局限，因此开始出现使用人工智能进行谵妄预测的研究。近年来，随着医疗数据类型的不断丰富，机器学习（ML）作为一种强大的数据驱动技术，在POD预测研究中展现出巨大潜力。本文分别梳理基于不同数据模态的ML预测研究进展，并系统讨论该领域面临的关键挑战与未来方向。
【关键词】机器学习；术后谵妄；多模态数据；预测模型
谵妄是一种急性发作且具有明显波动性的脑功能障碍，其特点是注意力障碍、意识水平紊乱和认知功能改变。术后谵妄（postoperative delirium， POD）是指患者在经历外科手术后出现的谵妄，主要发生在术后24～72h［1］。POD对于患者术后康复有着显著的负面影响，不仅增加医护人员的工作强度，而且在导致住院时间延长的同时带来更高的认知障碍和痴呆症风险。目前，临床上对POD的筛查和诊断主要依赖于评估量表［2］，常用的评估方法有意识模糊评估法（confusion assessment method， CAM）、重症监护室意识模糊评估法（confusion assessment method for the intensive care unit， CAM-ICU）、3分钟谵妄诊断量表（3-minute diagnostic confusion assessment method， 3D-CAM）等［3-4］。构建临床预测模型进行POD风险预测可以实现早期风险预警，包括常见的Logistic模型和Cox模型。随着人工智能的发展，机器学习（machine learning， ML）算法凭借其强大的非线性关系拟合能力和处理高维复杂数据的优势，被逐步用于围术期并发症的预测［5-6］。在POD预测领域，ML展现出巨大潜力，为实现早期准确地自动化风险分层提供了新的途径［7］。本文系统回顾基于ML的POD预测模型研究进展，重点探讨基于不同数据模态、算法模型的研究现状，并总结当前面临的挑战和未来发展方向。
ML预测的数据基础
得益于电子健康记录（electronic health record， EHR）和监测设备的普及，围术期可收集丰富的、多维度的数据，为POD的预测提供了坚实的数据基础［8］。根据数据来源的不同，相关研究可以分为两类：一类是基于特定医疗中心的私有数据集，另一类是利用公开数据集。院内私有数据集为开发针对特定人群的精细化模型提供了高质量的数据，数据的一致性强，但是其外部泛化能力通常较差。MIMIC和eICU等大型公开数据集，因其巨大的样本量和多中心来源，常被用来训练和验证模型的鲁棒性和泛化能力。但其数据缺失率高，且一些特定指征数据可能未被记录，如脑电信号、影像学数据等，为数据筛选和清洗带来了挑战［9］。根据自身特性的不同，数据可分为3类：一是包含人口信息学、实验室检查等的结构化数据；二是以心率、血压为代表的时间序列数据；三是影像、临床文本等非结构化数据。数据的模态差异不仅决定了特征选择和模型构建，也会影响最终模型的预测性能与可解释性。图1展示了ML多模态预测流程。
基于ML的POD预测模型
目前利用各种ML算法构建模型的POD预测，根据其具体技术特性可以分为传统ML算法和深度学习（deep learning， DL）算法。传统ML算法对计算资源需求相对较低，且具有较好的模型透明度和可解释性，是当前POD预测研究的主流选择。常见的传统ML算法包括：（1）支持向量机（support vector machine， SVM），适用于高维数据，Kocar等成功验证的SURGE-Ahead预测模型就是采用了线性SVM算法［10］;（2）集成学习算法，这类算法通过组合多个弱学习器来获得更好、更稳健的性能，包括随机森林（random forest， RF）、极端梯度提升（extreme gradient boosting， XGBoost）等。DL算法在处理复杂模式的数据上更有优势，可以自动在原始数据中学习有意义的特征。在POD预测领域中，常见的DL算法包括：（1）循环神经网络（recurrent neural network， RNN）和长短时记忆网络（long short-term memory， LSTM），RNN及其变体LSTM擅长捕捉数据中的时间依赖性;（2）卷积神经网络（convolutional neural network， CNN），常被用于图像分析，但是也可以与LSTM网络结合来提取局部特征;（3）Transformer架构，是一种基于自注意力机制的DL模型，多用于自然语言处理（natural language processing， NLP）和其他时序任务。
基于结构化数据的传统ML模型使用静态结构化数据进行预测是谵妄预测研究中经典和广泛的研究类型。结构化数据是遵循二维表结构逻辑的数据，这些数据格式规整易于从电子病历系统中获取，通常包括人口学信息、病史与合并症、实验室检查结果、术前评估与功能状态、手术基本信息等。在使用ML算法构建预测POD模型的研究中，一个核心步骤是特征选择，由于关注的疾病类型不同，在特征选择上会呈现出差异。一方面，部分危险因素具有普遍性，如高龄、术前衰弱、认知功能障碍在多数模型中都被证实是高度相关的预测因子。另一方面，最具区分度的特征通常与特定的手术人群和临床场景高度相关［11］。POD多发于骨科手术和心脏手术，Song等［12］针对髋部骨折手术老年患者的回顾性研究，共纳入包括术前、术中40多项特征进行建模，在得到最佳模型的同时确立脑钠肽（brain natriuretic peptide， BNP）、肌钙蛋白T、C-反应蛋白（c-reactive protein， CRP）和肌酸激酶同工酶MB（creatine kinase mb form， CK-MB）等生物标志物是POD的重要预测因子。而在同样高发的心脏手术中，研究人员会关注该类手术的术中关键指标，如心肺转流、主动脉阻断时间等［13］。因此，基于结构化数据构建ML模型时，必须结合特定手术类型和疾病的病理生理特点来筛选和优化特征子集，以实现最佳的预测性能。
结构化数据易于获取和存储，为研究提供了丰富的基础，并且由于传统ML模型具有较好的可解释性，能够更好地识别出POD危险因素，如高龄、疾病严重程度、机械通气等，为临床决策提供参考。但是这些基于结构化数据的研究也存在一个根本的局限性，它们依赖一个固定时间窗（如入院后24h内）收集静态特征变量，而忽略了患者在围术期不断变化的生理状态，难以捕捉到POD发生前即时的、动态的风险演变。
融合动态时序数据的ML模型患者在治疗过程中会产生大量的数据，按照时间特点分类为离散数据和连续变量数据。实验室检查数据属于离散数据，而通过监护设备获得的血压、呼吸、脑电信号等数据属于连续型数据变量。为了克服静态数据的局限，研究人员开始将能够反映患者状态连续变化的时间序列数据纳入模型中。
Reese等［14］的研究已经证实生理信号与POD之间的关联性，如心率变异性变化与自主神经系统功能紊乱相关，而后者与POD风险相关；麻醉药剂量校正后的额顶叶脑电图（electroencephalography， EEG）α波功率降低与POD发生风险增加相关。与仅使用年龄、ASA分级和手术时间等传统风险因素的模型比较，加入EEG特征可以提高POD预测的精确度［15］。为了进一步挖掘术中监测数据的价值，Han等［16］整合了EEG、脑氧饱和度、平均动脉压等多模态生物信号来构建心脏手术POD预测模型，经Shapley加法解释（Shapley additive explanations， SHAP）值分析得出,术中深度麻醉状态以及血流动力学波动是预测POD的重要特征，并且在前瞻性队列研究中得到了验证。
以往的模型大多依赖时间聚合特征，而丢失信号变化的信息。最新的研究则更加深入探索时序数据内部的动态变化，而不仅仅是提取静态特征。Giesa等［17］比较了直接处理时间序列数据的DL模型（LSTM和Transformer架构）和聚合特征的多层感知器模型，结果显示，直接学习时序数据的模型表现更佳，分析注意力权重发现，模型重点关注了收缩压和阿片类药物给药量的时间序列，尤其是手术开始后10～20min。由于DL模型可解释性欠缺，注意力机制使得探索可解释性的改进方法成为了可能。而基于此的双重自注意力机制（dual self-attention， DSA）［18］在计算变量重要性时，也会捕获变量之间的依赖关系，包括时间维度。DL模型特别是RNN、LSTM以及Transformer架构，在处理时序数据方面显示出巨大潜力。
基于非结构化数据的POD预测模型非结构化数据是没有固定结构的数据，包括用人类语言撰写的处方、病历、影像学报告等。临床护理文本中包含了对患者状态的详细记录，但是其非结构化的特性使其在传统统计分析中被长期忽略［19］。随着自然语言处理技术、大语言模型的发展，从临床文本中自动获取信息成为可能。Young等［20］研究发现，NLP可以识别出比CAM-ICU评估更多的行为异常和意识紊乱的群体，这些被识别出的患者接受抗精神病药物的比例更高，且死亡率也更高。而随着NLP技术的发展，大语言模型也逐渐被用于分析临床记录和预测各种疾病。近期一项韩国的研究［21］比较Llama-3-70B、GPT-4o与人类医师对POD的识别能力。结果显示，两种大语言模型均显示中等预测性能，并且在出现具有临床意义的POD患者中，大语言模型能比人类医师提前约1 d识别出POD。
在影像学数据方面，脑影像技术如计算机断层扫描（computed tomography， CT）、磁共振成像（magnetic resonance imaging， MRI）、功能磁共振成像（functional magnetic resonance imaging， fMRI）为探索谵妄的神经生物学基础和识别易感生物标志物提供了独特视角。在脑结构层面，Cavallari等［22］利用术前弥散张量成像（diffusion tensor imaging， DTI）发现脑白质微结构完整性异常与POD的发生率和严重程度相关。在对脑部CT的探索中，研究者发现脑卒中患者中伴有谵妄的患者整体和局部脑萎缩程度均高于无谵妄患者［23］。上述研究提示，术前已存在的脑结构脆弱性是POD的重要易感因素。在脑功能层面，基于神经影像学方法的ML技术越来越多地被用于各种神经精神疾病的个体预测。有研究［24］表明，图论和ML可以用于静息态fMRI预测患者轻度认知障碍向阿尔茨海默病的进展。Zhou等［25］开创性地将术前静息态fMRI数据与ML相结合，对比3种数据输入下的谵妄预测：临床变量、fMRI以及两者的融合，研究结果发现，使用术前fMRI数据和临床变量的RF模型在识别心脏手术POD高风险患者的准确性更高。
无论是在临床文本（如护理记录、查房笔记）中捕捉到的患者细微的行为改变与认知波动，还是通过神经影像提取的大脑功能模式，这些非结构化数据都为理解和预测POD提供了新的途径（表1）。NLP技术能够利用海量的病历文本数据，而fMRI等神经影像学技术的应用，则从脑功能网络的层面揭示了谵妄的潜在生物学标志物。
挑战与展望
在POD预测的研究中，ML算法极具应用潜力，然而也面临着诸多挑战。首先，许多高性能模型由于其黑箱特质使人们无法理解其预测过程，尤其是DL模型。因此，需要更透明、更可解释的模型，如模型无关的局部解释（local interpretable model-agnostic explanations， LIME）、SHAP等来阐明预测的依据，真正建立人机信任。其次，在规范和伦理方面，如何保障患者的数据隐私。医疗数据的敏感性和隐私法限制了跨机构的数据共享，这使得构建多中心大规模数据有更多的限制。最近，王骞等［26］研究使用联邦学习的方法进行多中心的老年患者POD预测模型的构建。联邦学习允许多个机构在不共享原始患者数据的前提下协同训练一个全局模型，为整合多中心数据，克服隐私壁垒提供了可行的途径。此外，现有模型普遍存在泛化能力不足的问题，即所谓的模型孤岛效应。大部分模型是基于单中心、回顾性数据开发，但将它应用在新数据集或不同临床环境中，它的性能会显著下降。一方面是因为部分模型是针对特定人群在特定治疗场景下建立的，另一方面说明开展多中心、大样本的研究，建立普适的POD预测模型的必要性。所以，当前的研究重心开始从回顾性模型构建转向前瞻性验证，这不仅包括在不同医疗中心进行外部验证，也包括在真实临床环境中的模型评估［27］。前瞻性验证研究是确保ML模型有效应用于临床的关键步骤，是模型临床转化的基础。
小 结
ML在POD预测和风险分层中展现了显著的优势和潜力，本文展现了基于不同数据模态的预测模型的演变。从EHR结构化数据，到生理信号时序数据，再到非结构化影像、文本数据，ML技术的发展使得研究者可以充分利用围术期数据进行大样本、多模态的研究。但是受ML模型特质的影响，模型普遍存在泛化能力不足、缺乏可解释性、以及如何进行临床转化等挑战。因此，要推动ML模型的临床应用，未来还需进行更多大规模、多中心的前瞻性研究加以验证。
参考文献略。
DOI:10.12089/jca.2026.06.012
热门跟贴