双模型AKI预测框架

AUC 0.95，PPV 0.68

该框架将高精度预测与结构化风险归因相结合，为临床提供可操作的预警与解释，显著降低假阳性率并支持个体化干预。

Xu, Lingyi · Liang, Hong · Xu, Damin · Zhao, Tao · Qingqing, Zhou · Zhao, Youlu · Zhang, Yuhui · 周福德 · Zhou, Guopeng · Zhao, Yang · 陈晓丽 · 冯韵霖 · 李贵森 · Wang, Li Li · 吕继成 · 王平 · 郑茜子 · 杨莉

Nature Communications 2026

参数信息

内部验证AUC
0.95
内部验证PPV
0.68
外部站点AUC范围
0.92-0.96
外部站点PPV范围
0.69-0.74
临床评估Likert评分范围
4.18-4.88
评分者间一致性ICC范围
0.680-0.803

技术优势

假阳性大幅降低

AKI-PM在内部验证中PPV达0.68，对比既往模型70%-94%的假阳性率，误报显著减少。

风险归因可解释

AKI-RAM区分可干预与不可干预因素，直接向临床医生输出结构化解释和建议，改变以往信息不足的困局。

外部泛化稳定

在跨地域的外部站点经few-shot微调后，AUC仍能达到0.92-0.96，说明框架能在新环境快速适配。

临床评估认可

六名肾脏科医生对200例病例的评分显示AKI-RAM在八个维度均获高分（4.18-4.88），信度达到中等至良好。

应用场景