基于深度学习算法的免疫细胞丰度模型预测脓毒症患者的生存预后

摘要：

目的 构建一种基于深度学习算法的免疫细胞丰度模型预测脓毒血症患者生存预后.方法 本研究共纳入479例脓毒症患者,将患者按9:1的比例随机分为训练队列和验证队列,在TensorFlow中构建了一个基于深度学习生存神经网络的seDNT模型,根据前瞻性研究队列MARS研究的431名脓毒症患者的数据组成训练组.此外,该算法在验证组的48例脓毒症患者中进行内部验证,研究的主要终点为28天生存期,模型的评价使用曲线下面积(AUC).结果 在训练组中,深度学习生存神经网络模型对脓毒症患者28天生存期的预测效果良好,低风险评分患者与高风险评分患者28天生存期的预后差异具有统计学意义(HR=0.022,95％CI=0.013?0.038,P<0.005).免疫细胞丰度风险评分与28天生存率相关(14和28天生存率的AUC分别为0.912和0.936).同样,验证组中低风险评分患者与高风险评分患者28天生存预后较好,差异有统计学意义(HR=0.07,95％CI=0.008～0.63,P<0.005),14天和28天生存期的AUC分别为0.822和0.777.此外,本研究还显示该风险评分与免疫微环境有明显的相关性.结论 本研究构建并验证了一种新的深度学习生存神经网络模型,该模型可以准确预测脓毒症患者可靠的28天生存率,提供了预后评估和治疗建议.

关键词：脓毒症、深度学习、预后模型、免疫微环境

所属期刊栏目：22

分类号：R631(外科感染)

在线出版日期：2022-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：154-162