可解释XGBoost急性肾损伤预测模型

多中心验证稳定甄别高危患者

该模型在跨中心人群中保持稳定鉴别能力，且提供个体化解释，便于临床直接应用。

Bai, Jing · 席修明 · Zhipeng, Luo · 王锐 · 张彧

Digital Health 2026

参数信息

训练集AUC

0.765

验证集AUC

0.742

eICU外部验证AUC

0.719

TS-TAKI外部验证AUC

0.769

BAKIT外部验证AUC

0.616

技术优势

跨中心稳住

在三个独立队列中AUC分别为0.719、0.769、0.616，区分度保持稳定。

看得懂

SHAP分析在群体和个体层面都给出关键特征贡献，解释一致，便于临床理解。

常规数据就够

仅需入住ICU后24小时内的常规临床变量，不需要额外检测或复杂操作。

在线能用

已开发在线交互预测工具，可直接用于临床，加速落地。

应用场景

• 重症监护临床决策支持：利用常规数据快速输出风险评分，辅助医生在床边做出是否干预的决策。
• 急性肾损伤早期预警：在入院24小时内即可预测AKI风险，提前启动预防措施。
• 住院患者风险分层：将患者按AKI风险分层，优化监护资源和治疗强度。