基于機器學習的肺源性膿毒癥早期風險預測模型

[摘要] 目的 利用生物標志物構建機器學習算法用于預測肺源性膿毒癥的風險，輔助臨床醫生進行決策。方法 依據研究對象的診斷標準，收集納入者的基礎臨床資料。將數據集隨機分為訓練數據集（80%）和驗證數據集（20%）。使用特征篩選算法從訓練集篩選最佳變量子集，并以此子集構建隨機森林（random forest，RF）、極端梯度提升（extremely gradient boosting，XGBoost）、自適應提升（adaptive boosting，AdaBoost）、邏輯回歸（Logistic regression，LR）、嶺回歸（ridge regression，Ridge）和支持向量機（support vector machine，SVM）分類器，再用驗證數據集評估模型的泛化能力。通過準確率、精確率、召回率和曲線下面積綜合評估模型的性能。結果 共納入377例肺源性膿毒癥患者（病例組）和564例呼吸道感染患者（對照組），初步篩選發現17項變量適合用于初始模型的構建。通過特征篩選算法，本研究發現樹模型的預測效能（RF、XGBoost和AdaBoost）優于線性模型（LR、SVM和Ridge）。AdaBoost模型納入14項生物標志物，其預測準確率優于RF、XGBoost、LR、SVM和Ridge模型，其精確率0.90，召回率0.84，準確率91.75%，曲線下面積0.950。Ridge模型的預測效能最差，準確率82.97%，精確率0.90，召回率0.72，曲線下面積0.835。結論 本研究開發6種肺源性膿毒癥的預測模型，其中AdaBoost模型可更準確地預測肺源性膿毒癥風險，有助于輔助臨床決策。

[關鍵詞] 機器學習；膿毒癥；呼吸道感染；降鈣素原

[中圖分類號] R446.5" """"[文獻標識碼] A """""[DOI] 10.3969/j.issn.1673-9701.2025.24.013

Construct a machine learning model for early prediction of sepsis-induced respiratory tract infection

ZHANG Lei， SU Mingkuan， WU Haiying， CHEN Hongbin， HUANG Jiancheng

Department of Laboratory Medicine， Mindong Hospital of Ningde City， Fu’an 355000， Fujian， China

[Abstract] Objective To construct a machine learning algorithm using biomarkers to predict the risk of sepsis-induced respiratory tract infection in order to assist clinicians in making decisions. Methods Based on the diagnostic criteria of the research subjects， and the basic clinical data of the participants were collected. The data set was randomly split into a training set （80%） and a validation set （20%）. Use feature filtering algorithms to select the best subset of variables from the training set， and use this subset to construct random forest （RF）， extreme gradient boosting （XGBoost）， adaptive boosting （AdaBoost）， Logistic regression （LR）， ridge regression （Ridge）， and support vector machine （SVM） classifiers. Then， evaluate the model’s generalization ability using a validation dataset. Evaluate the performance of the model comprehensively through accuracy， precision， recall， and area under the curve. Results A total of 377 patients with sepsis-induced respiratory tract infection （case group） and 564 patients with respiratory tract infection （control group） were included， and 17 variables were found to be suitable for the initial model construction. Using feature screening algorithm， we found that the predictive performance of tree models （RF， XGboost， and AdaBoost） was better than that of linear models （LR， SVM， and Ridge）. The AdaBoost model included 14 biomarkers， and its prediction accuracy was better than RF， XGBoost， LR， SVM， Ridge models， its precision， recall， accuracy and area under the curve were 0.90， 0.84， 91.75% and 0.950， respectively. The Ridge model had the worst prediction performance， with an accuracy of 82.97%， its precision， recall and area under the curve were 0.90， 0.72 and 0.835 respectively. Conclusion In this study， six predictive models of sepsis-induced respiratory tract infection were developed， among which AdaBoost model could more accurately predict the risk of sepsis-induced respiratory tract infection and help to assist clinical decision-making.

[Key words] Machine learning; Sepsis; Respiratory tract infection; Procalcitonin

膿毒癥為宿主對感染反應失調引起的危及生命的器官功能障礙，是危重患者死亡的第一大原因，病死率達25%～30%^[1-2]。對存在感染的患者，當序貫器官衰竭評分較基線上升≥2分可診斷為膿毒癥^[1]。然而，序貫器官衰竭評分更多關注器官功能變化而忽視感染的診斷。膿毒癥常繼發于細菌感染引起的肺炎、腹部感染和尿路感染^[3]。細菌培養是診斷細菌感染的金標準，由于培養周轉時間長且陽性率低，不利于早期診斷^[4]。人體發生細菌感染和（或）器官功能障礙時，C反應蛋白、白細胞和降鈣素原等生物標志物水平可明顯升高^[5-6]。因此，血液循環生物標志物的檢測不僅可用于細菌感染的早期診斷，也可用于膿毒癥的早期識別。

機器學習在處理復雜數據、大規模數據、自動化特征提取、預測性能等方面具有顯著優勢，尤其適合解決一些傳統統計學難以處理的問題^[7]。機器學習在腫瘤、腦卒中和膿毒癥等疾病的預測和診斷方面已有深入研究^[8-9]。為進一步尋找可預測肺源性膿毒癥的變量，本研究從研究對象提取臨床數據，通過算法篩選出特征子集，再基于特征子集構建機器學習模型預測肺源性膿毒癥，為臨床醫生診斷膿毒癥提供新思路。

1 "資料與方法

1.1 "一般資料

快速序貫器官衰竭評分（quick sequential organ failure assessment，qSOFA）可用于快速識別疑似感染患者中可能發展為膿毒癥的高危人群^[1]。qSOFA由意識狀態改變、收縮壓≤100mmHg（1mmHg= 0.133kPa）和呼吸頻率≥22次/min組成，符合2項或以上，即qSOFA≥2分可判斷為膿毒癥。根據上述標準，肺源性膿毒癥被定義為由呼吸道感染誘發的膿毒癥。

本研究回顧分析2018年1月至2023年12月于寧德市閩東醫院就診的呼吸道感染患者的臨床癥狀、基礎疾病和細菌培養等資料，根據細菌培養結果和qSOFA評分將患者分為對照組（呼吸道感染）和病例組（肺源性膿毒癥）。納入標準：①年齡≥16歲；②肺部影像學檢查存在炎癥改變；③肺源性膿毒癥患者為血培養和（或）痰液細菌培養檢出病原體，qSOFA≥2分；④呼吸道感染患者為痰液細菌培養檢出病原體，血培養結果為陰性，qSOFA lt; 2分。排除標準：①其他器官或組織感染誘發的膿毒癥；②妊娠期或哺乳期患者；③伴有惡性腫瘤或血液系統疾病。本研究經寧德市閩東醫院倫理委員會審批通過（倫理審批號：2021032517H）。

1.2 "生物標志物檢測

使用血液分析儀（XN1000，希斯美康株式會社）檢測紅細胞、血細胞比容、血紅蛋白、平均紅細胞體積、平均紅細胞血紅蛋白含量（mean corpuscular hemoglobin，MCH）、平均紅細胞血紅蛋白濃度（mean corpuscular hemoglobin concentration，MCHC）、血小板、中性粒細胞、白細胞、單核細胞和淋巴細胞；干式免疫熒光法測定血清C反應蛋白（Getein1600，基蛋生物科技股份有限公司）；電化學發光法測定血清降鈣素原（Cobas e601，羅氏診斷有限公司）；使用全自動生化分析儀（AU-5800，貝克曼庫爾特有限公司）檢測總蛋白、白蛋白、丙氨酸轉氨酶（alanine aminotransferase，ALT）、天冬氨酸轉氨酶（aspartate aminotransferase，AST）、尿素和肌酐。生化試劑購自上海科華生物工程股份有限公司。采用比濁法測定D-二聚體（ACL-TOP-700，儀器實驗室公司）。

1.3" 機器學習流程

①剔除呼吸道感染患者和肺源性膿毒癥患者之間無統計學意義的變量；②通過曲線下面積（area under the curve，AUC）評估變量對肺源性膿毒癥的診斷性能，剔除AUClt;0.600的變量；③通過遞歸特征消除交叉驗證（recursive feature elimination with cross-validation，RFECV）從訓練數據集中篩選出最佳特征子集；④使用最佳特征子集構建模型并優化參數。通過準確率、召回率、精確率和AUC評估模型的性能。共構建6種機器學習分類器：隨機森林（random forest，RF）、極端梯度提升（extremely gradient boosting，XGBoost）、自適應提升（adaptive boosting，AdaBoost）、邏輯回歸（Logistic regression，LR）、嶺回歸（ridge regression，Ridge）和支持向量機（support vector machine，SVM），其中RF、XGBoost和AdaBoost為樹模型，LR、Ridge和SVM為線性模型。

1.4" 統計學方法

采用SPSS 20.0統計學軟件對數據進行處理分析，所有統計檢驗均為雙側；符合正態分布的計量資料以均數±標準差（"）表示，比較采用t檢驗；不符合正態分布的計量資料以中位數（四分位數間距）[M（Q₁，Q₃）]表示，比較采用Mann-Whitney U檢驗；計數資料以例數（百分率）[n（%）]表示，比較采用c²檢驗。使用AUC評估單項生物標志物診斷膿毒癥的性能，Plt;0.05為差異有統計學意義。

2 "結果

2.1" 兩組患者的一般資料及生物標志物水平比較

病例組納入377例肺源性膿毒癥患者，對照組納入564例呼吸道感染患者。病例組患者的白細胞、中性粒細胞、中性粒細胞與淋巴細胞比值（neutrophil- to-lymphocyte ratio，NLR）、MCH、MCHC、C反應蛋白、降鈣素原、ALT、AST、尿素、肌酐和D-二聚體均高于對照組，差異有統計學意義（Plt;0.05）；紅細胞、血細胞比容、血紅蛋白、血小板、單核細胞、淋巴細胞、總蛋白和白蛋白均低于對照組，差異有統計學意義（Plt;0.05）。兩組患者的年齡、性別構成比、平均紅細胞體積相比，差異均無統計學意義（Pgt;0.05），見表1。

2.2" 單項生物標志物對膿毒癥的診斷效能評估

降鈣素原和D-二聚體診斷肺源性膿毒癥的效能最佳，其AUC均gt;0.800；血紅蛋白、白細胞和MCH診斷肺源效膿毒癥的效能最差，其AUC均lt;0.600；其余生物標志物診斷肺源性膿毒癥的AUC為0.600～0.800。單項生物標志物診斷肺源性膿毒癥的AUClt;0.600視為效能差。見表1。

2.3 "篩選最佳特征子集

RFECV是一種特征選擇方法，結合遞歸特征消除和交叉驗證，用于選擇最優特征子集以提高模型性能。在排除無統計學意義和AUClt;0.600的變量后，余下17項變量用于機器學習模型最佳特征子集的篩選。本研究將數據分為訓練數據集（80%）和驗證數據集（20%），訓練數據集用于最佳特征子集篩選和參數優化，驗證數據集用于模型泛化性能評估。通過RFECV算法，篩選出的最佳特征子集見表2。 RF、AdaBoost、XGBoost、LR、Ridge和SVM的最佳特征子集均包括血小板、C反應蛋白，降鈣素原和D-二聚體。AdaBoost的最佳特征子集包括14項變量，Ridge模型包括7項變量。

2.4" 機器學習模型預測結果

通過準確率、精確率、召回率和AUC綜合評估模型的性能。結果顯示AdaBoost、RF和XGBoost模型預測膿毒癥的準確率均gt;90%，Ridge的準確率最低，見表3。

3" 討論

研究文獻報道數百種診斷膿毒癥的生物標志物，可明確的是降鈣素原診斷膿毒癥的性能高于白細胞和Ｃ反應蛋白等傳統生物標志物，本研究結果與相關研究結論相似^[10-13]。當機體出現嚴重細菌感染、膿毒癥和多臟器功能衰竭等疾病時，降鈣素原急劇升高；而病毒感染、局部有限的細菌感染和創傷等疾病，降鈣素原不升高或僅出現輕度升高，這些因素可能是降鈣素原診斷膿毒癥優于傳統生物標志物的原因^[14-15]。研究報道聯合D-二聚體和其他指標診斷膿毒癥，取得較好的診斷效能^[16-18]。D-二聚體被廣泛用于診斷和監測彌散性血管內凝血，由于其高敏感度，正常的D-二聚體水平可排除彌散性血管內凝血^[19]。本研究結果顯示D-二聚體診斷肺源性膿毒癥的效能僅次于降鈣素原。由于腦卒中和腫瘤等非感染性疾病均可引起D-二聚體水平急劇升高，因此D-二聚體用于肺源性膿毒癥的診斷需在嚴格限定條件下使用。與其他傳統膿毒癥標志物相比，降鈣素原是一種獨特的生物標志物，在醫學領域應用廣泛。然而，診斷侵襲性細菌感染并評估其嚴重程度僅靠降鈣素原還存在不足^[20]。由于膿毒癥同時存在器官功能障礙和感染，器官功能障礙也可引起生物標志物水平的異常變化，因此，聯合多種生物標志物診斷膿毒癥的效能可能優于單項生物標志物。然而，多變量組合可導致數據維度增高，同時從高維數據中篩選關鍵特征則需要更高級的統計學方法。

高維數據有可能包含大量冗余信息，這些信息可降低算法的性能。特征降維可在不損失重要信息的前提下，去除冗余并顯著提升模型的性能和效率，通常作為機器學習的預處理步驟^[21-22]。本研究引入RFECV算法從17項變量中篩選出最佳特征子集，篩選結果顯示AdaBoost模型納入14項生物標志物，其準確率在所有預測模型中最好。研究者嘗試創建不同的機器學習模型用于膿毒癥的預測，并取得良好的預測效能^[23-24]。本研究的創新點在于使用RFECV算法可自動確定最佳特征數量，通過遞歸移除不重要的特征，并利用交叉驗證評估不同特征子集的性能，無須用戶手動指定，以數據驅動的方式完成最佳特征子集篩選。由于每種機器學習的算法各不相同，即一種模型的最佳特征子集并不適用另一種模型，通過RFECV發現6種機器學習模型的最佳特征子集均包括血小板、C反應蛋白、降鈣素原和D-二聚體，說明這4項生物標志物可能是模型的關鍵因素。

綜上，本研究使用RFECV算法篩選出6種機器學習模型的最佳特征子集，其中AdaBoost模型的預測性能最佳。由于是回顧性研究，無法避免選擇偏倚的影響，仍需外部數據集進一步驗證模型的泛化性能。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1]"" SINGER M， DEUTSCHMAN C S， SEYMOUR C W， "et al. The third international consensus definitions for sepsis and septic shock （Sepsis-3）[J]. JAMA， 2016， 315（8）： 801–810.

[2]"" FLEISCHMANN C， SCHERAG A， ADHIKARI N K， "et al. Assessment of global incidence and mortality of hospital-treated sepsis. current estimates and limitations[J]. Am J Respir Crit Care Med， 2016， 193（3）： 259–272.

[3]"" SU M， WU H， CHEN H， et al. Early prediction of sepsis-induced respiratory tract infection using a biomarker-based machine-learning algorithm[J]. Scand J Clin Lab Invest， 2024， 84（3）： 202–210.

[4]"" 鄭錦利， 蘇明寬， 吳海英. 使用生物標志物建立機器學習模型用于菌血癥的早期預測[J]. 實用中西醫結合臨床， 2024， 24（9）： 1–4， 8.

[5]"" JIANG L， LIN S H， WANG J， et al. Prognostic values of procalcitonin and platelet in the patient with urosepsis[J]. Medicine， 2021， 100（27）： e26555.

[6]"" SU M， GUO J， CHEN H， et al. Developing a machine learning prediction algorithm for early differentiation of urosepsis from urinary tract infection[J]. Clin Chem Lab Med， 2023， 61（3）： 521–529.

[7]"" LIU L P， ZHAO Q Y， WU J， et al. Machine learning for the prediction of red blood cell transfusion in patients during or after liver transplantation surgery[J]. Front Med， 2021， 8： 632210.

[8]"" ZHAO Q Y， LIU L P， LUO J C， et al. A machine-learning approach for dynamic prediction of sepsis-induced coagulopathy in critically ill patients with sepsis[J]. Front Med， 2020， 7： 637434.

[9]"" PENG L， PENG C， YANG F， et al. Machine learning approach for the prediction of 30-day mortality in patients with sepsis-associated encephalopathy[J]. BMC Med Res Methodol， 2022， 22（1）： 183.

[10] PIERRAKOS C， VELISSARIS D， BISDORFF M， et al. Biomarkers of sepsis： Time for a reappraisal[J]. Crit Care， 2020， 24（1）： 287.

[11] CHEN Y， YAN A， ZHANG L， et al. Comparative analysis of inflammatory biomarkers for the diagnosis of neonatal sepsis： IL-6， IL-8， SAA， CRP， and PCT[J]. Open Life Sci， 2025， 20（1）： 20221005.

[12] ZHOU Y， FENG Y， LIANG X， et al. Elevations in presepsin， PCT， hs-CRP， and IL-6 levels predict mortality among septic patients in the ICU[J]. J Leukoc Biol， 2024， 116（4）： 890–900.

[13] DARK P， HOSSAIN A， MCAULEY D F， et al. Biomarker-guided antibiotic duration for hospitalized patients with suspected sepsis： The ADAPT-sepsis randomized clinical trial[J]. JAMA， 2025， 333（8）： 682–693.

[14] HAMADE B， HUANG D T. Procalcitonin： Where are we now？[J]. Crit Care Clin， 2020， 36（1）： 23–40.

[15] PAUDEL R， DOGRA P， MONTGOMERY-YATES A A， et al. Procalcitonin： A promising tool or just another overhyped test？[J]. Int J Med Sci， 2020， 17（3）： 332–337.

[16] SEMERARO F， AMMOLLO C T， CAIRONI P， et al. D-dimer corrected for thrombin and plasmin generation is a strong predictor of mortality in patients with sepsis[J]. Blood Transfus， 2020， 18（4）： 304–311.

[17] AL-BILTAGI M， HANTASH E M， EL-SHANSHORY M R， et al. Plasma D-dimer level in early and late-onset neonatal sepsis[J]. World J Crit Care Med， 2022， 11（3）： 139–148.

[18] LI T， HU W Q， LI X， et al. Prognostic value of PaO₂/FiO₂， SOFA and D-dimer in elderly patients with sepsis[J]. J Int Med Res， 2022， 50（6）： 3000605221100755.

[19] FRANCHINI M， FOCOSI D， PEZZO M P， et al. How we manage a high D-dimer[J]. Haematologica， 2024， 109（4）： 1035–1045.

[20] PALAL?O?LU B， ERDO?AN S， ATAY G， et al. Diagnostic and prognostic value of pentraxin 3， interleukin-6， CRP， and procalcitonin levels in patients with sepsis and septic shock[J]. Niger J Clin Pract， 2024， 27（3）： 317–324.

[21] LIU Y， SUN R， JIANG H， et al. Development and validation of a predictive model for in-hospital mortality in patients with sepsis-associated liver injury[J]. Ann Transl Med， 2022， 10（18）： 997.

[22] WASHINGTON P， PASKOV K M， KALANTARIAN H， et al. Feature selection and dimension reduction of social autism data[J]. Pac Symp Biocomput， 2020， 25： 707–718.

[23] TAKKAVATAKARN K， OH W， CHAN L， et al. Machine learning derived serum creatinine trajectories in acute kidney injury in critically ill patients with sepsis[J]. Crit Care， 2024， 28（1）： 156.

[24] LIN J， GU C， SUN Z， et al. Machine learning-based model for predicting the occurrence and mortality of nonpulmonary sepsis-associated ARDS[J]. Sci Rep， 2024， 14（1）： 28240.

（收稿日期：2025–04–16）

（修回日期：2025–08–09）

通信作者：蘇明寬，電子信箱：mingkuansu@qq.com