沙特阿卜杜拉国王国际医学研究中心开发出新型机器学习模型，为预测肾移植后30天再入院风险提供了创新工具，这项技术突破了多数AI工具缺乏可解释性的瓶颈。
研究团队创建的监督学习模型整合了解释性人工智能（XAI）技术，通过包含588例肾移植受者的临床数据（主要来自活体供体移植）构建四阶段分析流程，涵盖数据处理、特征准备、模型开发和验证环节。在测试的多种算法中，梯度提升算法表现最优，受试者工作特征曲线下面积达0.837（95%置信区间：0.802-0.872），整体预测准确率接近80%。研究人员特别应用SHAP和LIME分析技术，使模型预测结果对临床医生具有可解释性。
研究识别的关键风险因素包括住院时长和术后收缩压，且在活体供体与尸体供体移植间呈现差异性。例如术前BMI对尸体供体受者预测价值更高，而糖化血红蛋白（HbA1c）和估算肾小球滤过率（eGFR）对活体供体受者影响更显著。尽管研究队列中88.9%的再入院率高于常规报道，作者指出这反映了特定医疗中心的临床实践特征，强调了构建区域性模型的必要性。
目前该模型已部署为网络版临床决策支持工具，可为移植医师提供实时、供体特异性的风险分层评估。研究团队强调，需在不同移植中心进行外部验证后方能广泛推广应用。
这项兼具高预测效能与临床可解释性的新技术，为优化肾移植术后个体化护理策略和改善患者预后开辟了新路径。
参考文献：
Alnazari N 等人《基于可解释性人工智能的机器学习模型预测肾移植后30天医院再入院风险》. BMC 肾病学. 2025;DOI: 10.1186/s12882-025-04128-w.
【全文结束】
