綜述｜基于機器學習的術后譫妄預測模型研究進展

基于機器學習的術后譫妄預測模型研究進展

俞艷1 王委2 吳鏡湘2

1上海理工大學健康科學與工程學院

2上海市胸科醫院麻醉科

通信作者：吳鏡湘

Email: wjx1132@163.com

基金項目：中央高校基本科研業務費專項資金資助項目（YG2024LC10）；東方英才計劃拔尖人才項目（BJKJ2024039）

【摘要】術后譫妄（POD）是圍術期常見的嚴重并發癥，影響患者預后。傳統風險評估模型在預測精度和個體化方面存在局限，因此開始出現使用人工智能進行譫妄預測的研究。近年來，隨著醫療數據類型的不斷豐富，機器學習（ML）作為一種強大的數據驅動技術，在POD預測研究中展現出巨大潛力。本文分別梳理基于不同數據模態的ML預測研究進展，并系統討論該領域面臨的關鍵挑戰與未來方向。

【關鍵詞】機器學習；術后譫妄；多模態數據；預測模型

譫妄是一種急性發作且具有明顯波動性的腦功能障礙，其特點是注意力障礙、意識水平紊亂和認知功能改變。術后譫妄（postoperative delirium， POD）是指患者在經歷外科手術后出現的譫妄，主要發生在術后24～72h［1］。POD對于患者術后康復有著顯著的負面影響，不僅增加醫護人員的工作強度，而且在導致住院時間延長的同時帶來更高的認知障礙和癡呆癥風險。目前，臨床上對POD的篩查和診斷主要依賴于評估量表［2］，常用的評估方法有意識模糊評估法（confusion assessment method， CAM）、重癥監護室意識模糊評估法（confusion assessment method for the intensive care unit， CAM-ICU）、3分鐘譫妄診斷量表（3-minute diagnostic confusion assessment method， 3D-CAM）等［3-4］。構建臨床預測模型進行POD風險預測可以實現早期風險預警，包括常見的Logistic模型和Cox模型。隨著人工智能的發展，機器學習（machine learning， ML）算法憑借其強大的非線性關系擬合能力和處理高維復雜數據的優勢，被逐步用于圍術期并發癥的預測［5-6］。在POD預測領域，ML展現出巨大潛力，為實現早期準確地自動化風險分層提供了新的途徑［7］。本文系統回顧基于ML的POD預測模型研究進展，重點探討基于不同數據模態、算法模型的研究現狀，并總結當前面臨的挑戰和未來發展方向。

ML預測的數據基礎

得益于電子健康記錄（electronic health record， EHR）和監測設備的普及，圍術期可收集豐富的、多維度的數據，為POD的預測提供了堅實的數據基礎［8］。根據數據來源的不同，相關研究可以分為兩類：一類是基于特定醫療中心的私有數據集，另一類是利用公開數據集。院內私有數據集為開發針對特定人群的精細化模型提供了高質量的數據，數據的一致性強，但是其外部泛化能力通常較差。MIMIC和eICU等大型公開數據集，因其巨大的樣本量和多中心來源，常被用來訓練和驗證模型的魯棒性和泛化能力。但其數據缺失率高，且一些特定指征數據可能未被記錄，如腦電信號、影像學數據等，為數據篩選和清洗帶來了挑戰［9］。根據自身特性的不同，數據可分為3類：一是包含人口信息學、實驗室檢查等的結構化數據；二是以心率、血壓為代表的時間序列數據；三是影像、臨床文本等非結構化數據。數據的模態差異不僅決定了特征選擇和模型構建，也會影響最終模型的預測性能與可解釋性。圖1展示了ML多模態預測流程。

基于ML的POD預測模型

目前利用各種ML算法構建模型的POD預測，根據其具體技術特性可以分為傳統ML算法和深度學習（deep learning， DL）算法。傳統ML算法對計算資源需求相對較低，且具有較好的模型透明度和可解釋性，是當前POD預測研究的主流選擇。常見的傳統ML算法包括：（1）支持向量機（support vector machine， SVM），適用于高維數據，Kocar等成功驗證的SURGE-Ahead預測模型就是采用了線性SVM算法［10］;（2）集成學習算法，這類算法通過組合多個弱學習器來獲得更好、更穩健的性能，包括隨機森林（random forest， RF）、極端梯度提升（extreme gradient boosting， XGBoost）等。DL算法在處理復雜模式的數據上更有優勢，可以自動在原始數據中學習有意義的特征。在POD預測領域中，常見的DL算法包括：（1）循環神經網絡（recurrent neural network， RNN）和長短時記憶網絡（long short-term memory， LSTM），RNN及其變體LSTM擅長捕捉數據中的時間依賴性;（2）卷積神經網絡（convolutional neural network， CNN），常被用于圖像分析，但是也可以與LSTM網絡結合來提取局部特征;（3）Transformer架構，是一種基于自注意力機制的DL模型，多用于自然語言處理（natural language processing， NLP）和其他時序任務。

基于結構化數據的傳統ML模型使用靜態結構化數據進行預測是譫妄預測研究中經典和廣泛的研究類型。結構化數據是遵循二維表結構邏輯的數據，這些數據格式規整易于從電子病歷系統中獲取，通常包括人口學信息、病史與合并癥、實驗室檢查結果、術前評估與功能狀態、手術基本信息等。在使用ML算法構建預測POD模型的研究中，一個核心步驟是特征選擇，由于關注的疾病類型不同，在特征選擇上會呈現出差異。一方面，部分危險因素具有普遍性，如高齡、術前衰弱、認知功能障礙在多數模型中都被證實是高度相關的預測因子。另一方面，最具區分度的特征通常與特定的手術人群和臨床場景高度相關［11］。POD多發于骨科手術和心臟手術，Song等［12］針對髖部骨折手術老年患者的回顧性研究，共納入包括術前、術中40多項特征進行建模，在得到最佳模型的同時確立腦鈉肽（brain natriuretic peptide， BNP）、肌鈣蛋白T、C-反應蛋白（c-reactive protein， CRP）和肌酸激酶同工酶MB（creatine kinase mb form， CK-MB）等生物標志物是POD的重要預測因子。而在同樣高發的心臟手術中，研究人員會關注該類手術的術中關鍵指標，如心肺轉流、主動脈阻斷時間等［13］。因此，基于結構化數據構建ML模型時，必須結合特定手術類型和疾病的病理生理特點來篩選和優化特征子集，以實現最佳的預測性能。

結構化數據易于獲取和存儲，為研究提供了豐富的基礎，并且由于傳統ML模型具有較好的可解釋性，能夠更好地識別出POD危險因素，如高齡、疾病嚴重程度、機械通氣等，為臨床決策提供參考。但是這些基于結構化數據的研究也存在一個根本的局限性，它們依賴一個固定時間窗（如入院后24h內）收集靜態特征變量，而忽略了患者在圍術期不斷變化的生理狀態，難以捕捉到POD發生前即時的、動態的風險演變。

融合動態時序數據的ML模型患者在治療過程中會產生大量的數據，按照時間特點分類為離散數據和連續變量數據。實驗室檢查數據屬于離散數據，而通過監護設備獲得的血壓、呼吸、腦電信號等數據屬于連續型數據變量。為了克服靜態數據的局限，研究人員開始將能夠反映患者狀態連續變化的時間序列數據納入模型中。

Reese等［14］的研究已經證實生理信號與POD之間的關聯性，如心率變異性變化與自主神經系統功能紊亂相關，而后者與POD風險相關；麻醉藥劑量校正后的額頂葉腦電圖（electroencephalography， EEG）α波功率降低與POD發生風險增加相關。與僅使用年齡、ASA分級和手術時間等傳統風險因素的模型比較，加入EEG特征可以提高POD預測的精確度［15］。為了進一步挖掘術中監測數據的價值，Han等［16］整合了EEG、腦氧飽和度、平均動脈壓等多模態生物信號來構建心臟手術POD預測模型，經Shapley加法解釋（Shapley additive explanations， SHAP）值分析得出,術中深度麻醉狀態以及血流動力學波動是預測POD的重要特征，并且在前瞻性隊列研究中得到了驗證。

以往的模型大多依賴時間聚合特征，而丟失信號變化的信息。最新的研究則更加深入探索時序數據內部的動態變化，而不僅僅是提取靜態特征。Giesa等［17］比較了直接處理時間序列數據的DL模型（LSTM和Transformer架構）和聚合特征的多層感知器模型，結果顯示，直接學習時序數據的模型表現更佳，分析注意力權重發現，模型重點關注了收縮壓和阿片類藥物給藥量的時間序列，尤其是手術開始后10～20min。由于DL模型可解釋性欠缺，注意力機制使得探索可解釋性的改進方法成為了可能。而基于此的雙重自注意力機制（dual self-attention， DSA）［18］在計算變量重要性時，也會捕獲變量之間的依賴關系，包括時間維度。DL模型特別是RNN、LSTM以及Transformer架構，在處理時序數據方面顯示出巨大潛力。

基于非結構化數據的POD預測模型非結構化數據是沒有固定結構的數據，包括用人類語言撰寫的處方、病歷、影像學報告等。臨床護理文本中包含了對患者狀態的詳細記錄，但是其非結構化的特性使其在傳統統計分析中被長期忽略［19］。隨著自然語言處理技術、大語言模型的發展，從臨床文本中自動獲取信息成為可能。Young等［20］研究發現，NLP可以識別出比CAM-ICU評估更多的行為異常和意識紊亂的群體，這些被識別出的患者接受抗精神病藥物的比例更高，且死亡率也更高。而隨著NLP技術的發展，大語言模型也逐漸被用于分析臨床記錄和預測各種疾病。近期一項韓國的研究［21］比較Llama-3-70B、GPT-4o與人類醫師對POD的識別能力。結果顯示，兩種大語言模型均顯示中等預測性能，并且在出現具有臨床意義的POD患者中，大語言模型能比人類醫師提前約1 d識別出POD。

在影像學數據方面，腦影像技術如計算機斷層掃描（computed tomography， CT）、磁共振成像（magnetic resonance imaging， MRI）、功能磁共振成像（functional magnetic resonance imaging， fMRI）為探索譫妄的神經生物學基礎和識別易感生物標志物提供了獨特視角。在腦結構層面，Cavallari等［22］利用術前彌散張量成像（diffusion tensor imaging， DTI）發現腦白質微結構完整性異常與POD的發生率和嚴重程度相關。在對腦部CT的探索中，研究者發現腦卒中患者中伴有譫妄的患者整體和局部腦萎縮程度均高于無譫妄患者［23］。上述研究提示，術前已存在的腦結構脆弱性是POD的重要易感因素。在腦功能層面，基于神經影像學方法的ML技術越來越多地被用于各種神經精神疾病的個體預測。有研究［24］表明，圖論和ML可以用于靜息態fMRI預測患者輕度認知障礙向阿爾茨海默病的進展。Zhou等［25］開創性地將術前靜息態fMRI數據與ML相結合，對比3種數據輸入下的譫妄預測：臨床變量、fMRI以及兩者的融合，研究結果發現，使用術前fMRI數據和臨床變量的RF模型在識別心臟手術POD高風險患者的準確性更高。

無論是在臨床文本（如護理記錄、查房筆記）中捕捉到的患者細微的行為改變與認知波動，還是通過神經影像提取的大腦功能模式，這些非結構化數據都為理解和預測POD提供了新的途徑（表1）。NLP技術能夠利用海量的病歷文本數據，而fMRI等神經影像學技術的應用，則從腦功能網絡的層面揭示了譫妄的潛在生物學標志物。

挑戰與展望

在POD預測的研究中，ML算法極具應用潛力，然而也面臨著諸多挑戰。首先，許多高性能模型由于其黑箱特質使人們無法理解其預測過程，尤其是DL模型。因此，需要更透明、更可解釋的模型，如模型無關的局部解釋（local interpretable model-agnostic explanations， LIME）、SHAP等來闡明預測的依據，真正建立人機信任。其次，在規范和倫理方面，如何保障患者的數據隱私。醫療數據的敏感性和隱私法限制了跨機構的數據共享，這使得構建多中心大規模數據有更多的限制。最近，王騫等［26］研究使用聯邦學習的方法進行多中心的老年患者POD預測模型的構建。聯邦學習允許多個機構在不共享原始患者數據的前提下協同訓練一個全局模型，為整合多中心數據，克服隱私壁壘提供了可行的途徑。此外，現有模型普遍存在泛化能力不足的問題，即所謂的模型孤島效應。大部分模型是基于單中心、回顧性數據開發，但將它應用在新數據集或不同臨床環境中，它的性能會顯著下降。一方面是因為部分模型是針對特定人群在特定治療場景下建立的，另一方面說明開展多中心、大樣本的研究，建立普適的POD預測模型的必要性。所以，當前的研究重心開始從回顧性模型構建轉向前瞻性驗證，這不僅包括在不同醫療中心進行外部驗證，也包括在真實臨床環境中的模型評估［27］。前瞻性驗證研究是確保ML模型有效應用于臨床的關鍵步驟，是模型臨床轉化的基礎。

小 結

ML在POD預測和風險分層中展現了顯著的優勢和潛力，本文展現了基于不同數據模態的預測模型的演變。從EHR結構化數據，到生理信號時序數據，再到非結構化影像、文本數據，ML技術的發展使得研究者可以充分利用圍術期數據進行大樣本、多模態的研究。但是受ML模型特質的影響，模型普遍存在泛化能力不足、缺乏可解釋性、以及如何進行臨床轉化等挑戰。因此，要推動ML模型的臨床應用，未來還需進行更多大規模、多中心的前瞻性研究加以驗證。

參考文獻略。

DOI:10.12089/jca.2026.06.012