纪泛扑、祖建、杨毅辉和Rajiv Jalan教授团队：动态预测ICU失代偿肝硬化患者肝外器官衰竭风险

首页 > 正文

纪泛扑、祖建、杨毅辉和Rajiv Jalan教授团队：动态预测ICU失代偿肝硬化患者肝外器官衰竭风险

国际肝病发表时间：2026/10/3 21:55:53 浏览量：383

失代偿性肝硬化患者病情复杂，入住重症监护病房后容易发生肝外器官衰竭，而多个器官衰竭的发生与患者不良预后密切相关。目前常用的终末期肝病模型（MELD）、慢性肝衰竭联盟（CLIF-C）等评分主要基于单一时间点的临床指标，难以反映ICU患者病情随时间发生的快速变化。近年来，机器学习和深度学习方法为利用动态临床数据预测危重患者病情进展提供了新的可能。2026年9月，西安交通大学第二附属医院肝病科纪泛扑教授团队、克利夫兰医学中心杨毅辉博士团队、西安交通大学数学与统计学院祖建教授团队、英国伦敦大学学院Rajiv Jalan教授以及国内多家重症肝炎研究头部单位联合开展研究，在eGastroenterology上发表论文“Dynamic prediction of the development of extrahepatic organ failures in ICU patients with decompensated cirrhosis”。该研究开发并验证了一套基于机器学习的动态预测框架，对患者12小时后是否存在两个及以上肝外器官衰竭进行动态风险预测，从而尝试将传统的“出现器官衰竭后再处理”转变为更加前移的风险识别模式。

研究利用MIMIC-IV数据库建立模型，并利用eICU数据库进行外部验证。研究共纳入1486例MIMIC-IV中的失代偿性肝硬化患者，并纳入1666例患者进行外部验证。模型以参考时间点为基础，利用近期生命体征、实验室指标和器官衰竭状态预测12小时后的肝外器官衰竭风险（图1）。

图1. ICU失代偿性肝硬化患者肝外器官衰竭动态预测框架

研究分别构建机器学习和深度学习模型，并进一步通过后期融合整合两类模型的预测结果。研究首先对45个候选变量进行筛选，最终选取14个关键预测变量建立模型。结果显示，由SMOTE-CatBoost机器学习模型和FCN-GRU深度学习模型组成的后期融合模型表现最佳，对于12小时后两个及以上肝外器官衰竭的预测，其受试者工作特征曲线下面积（AUROC）为0.830（95% CI：0.783-0.876）。模型同时具有较好的校准表现，决策曲线分析也显示其在一定风险阈值范围内具有潜在临床净获益（图2）。

图2. 动态模型预测12小时后两个及以上肝外器官衰竭的性能。（a）表现最佳的5种后期融合模型ROC曲线；（b）最佳模型的校准曲线；（c）决策曲线分析；（d）模型预测概率与实际器官衰竭状态比较

研究还通过一个患者实例展示了模型的动态预测过程。该患者在ICU第21小时出现首次肝外器官衰竭。在第25小时进行预测时，模型预测患者第37小时存在两个及以上肝外器官衰竭的概率达到92%。随后，患者在第36-37小时新出现两个器官衰竭，并在第37小时达到三个肝外器官衰竭，与模型提前12小时给出的高风险预测一致（图3）。

图3. ICU住院期间患者未来肝外器官衰竭风险的动态预测实例

在主要12小时预测任务的基础上，研究进一步开展不同预测时间的敏感性分析，以评估模型在不同时间尺度下的稳定性。结果显示，在6小时预测任务中，模型AUROC为0.821；将预测时间延长至24小时后，AUROC仍达到0.834。与此同时，在合并脓毒症的患者亚组中，模型AUROC为0.820，提示该动态预测方法在不同预测时间以及特定危重患者亚组中均保持了较为稳定的区分能力。

除内部分析外，研究还利用来自不同医疗机构的eICU数据库进行了独立外部验证。在包含1666例患者的外部验证队列中，模型AUROC达到0.774（95% CI：0.743-0.805）。外部验证中模型仍保持了较好的风险区分能力，表明其预测效果并不局限于MIMIC-IV单一数据库，在不同医疗中心的ICU患者中同样具有一定的稳定性和泛化能力。

综上，本研究建立了一种针对ICU失代偿性肝硬化患者的动态预测模型，可对患者12小时后是否存在两个及以上肝外器官衰竭进行风险评估。该模型结合机器学习和深度学习方法，并在不同预测时间、脓毒症患者亚组以及独立多中心外部队列中进行了验证。研究结果为失代偿性肝硬化患者肝外器官衰竭的动态风险评估提供了新的方法，也为进一步探索人工智能模型在ICU危重肝病患者管理中的应用提供了依据。

[1] Yeo YH, Que L, Zhang M, et al. Dynamic prediction of the development of extrahepatic organ failures in ICU patients with decompensated cirrhosis. eGastroenterology 2026;4:e100463. doi:10.1136/egastro-2026-100463

通讯作者简介

纪泛扑

西安交通大学第二附属医院

西安交通大学第二附属医院肝病科主任，主任医师，内科学/肿瘤学/理学博士生导师，医学交叉博士后导师；Stanford大学访问学者；环境与疾病相关基因教育部重点实验室副主任；陕西省感染性疾病/慢性肝病引智示范基地主任，陕西省感染性疾病临床医学研究中心副主任；陕西省“三秦英才”创新团队负责人；陕西省中青年科技创新领军人才；陕西省优秀医务工作者。主持国自然科学基金/国际合作项目4项，省校级项目13项；以PI牵头国际/全国/西北地区多中心临床研究15项；获陕西省高校科技进步一等奖2项。JCTH编委/学术编辑，iLiver编委/青年副主编、中国肝脏病杂志编委，中华肝脏病杂志青年编委。近5年以第一/通信作者在JAMA Oncol、J Hepatol、Gut、Lancet Oncol、Hepatology、CMH、Chem Eng J、JAMA NO、eClinicalMedicine、JIM、AJG、CID等期刊发表论文80余篇。

祖建

西安交通大学数学与统计学院

理学博士，西安交通大学数学与统计学院应用数学系教授，博士生导师。主要从事传染病动力学和智能诊疗的数学理论与方法研究。美国芝加哥大学访问学者，陕西省杰出青年基金获得者，2020年度王宽诚育才奖获得者。现任中国运筹学会智能工业数据解析与优化专业委员会理事；中国数学会生物数学专业委员会委员兼副秘书长；主持国家自然科学基金4项、陕西国家应用数学中心项目1项，教育部高等教育司教改课题2项，省校级基金8项；参与研究“重大传染病防治”国家科技重大专项项目和国家自然科学基金重点项目等5项。以第一/通信作者在Nature Communications、Journal of Hepatology、Nucleic Acids Research、eClinicalMedicine、Journal of Mathematical Biology、Bioinformatics等国际杂志发表SCI论文60余篇，其中ESI高被引论文8篇，热点论文4篇，封面论文2篇；被Nature Medicine等引用2500多次。2024、2025连续两年入选全球前2%顶尖科学家榜单。以第一完成人获得陕西省高校科技进步一等奖1项，陕西省2025年高等教育教学成果奖“二等奖”，西安交通大学第十九届教学成果奖“特等奖”；指导全国大学生数学建模竞赛获得“全国一等奖”7项；指导国际大学生数学建模竞赛获得“Outstanding Winner”4项，“Finalist”19项。

Rajiv Jalan

英国伦敦大学学院

英国伦敦大学学院医学部肝病学教授，皇家自由医院（Royal Free Hospital）肝病专家，欧洲慢性肝衰竭研究基金会科学主任。研究重点是肝衰竭，发现系统性炎症在肝损伤和肝硬化的进展中起着关键作用，最终导致肝衰竭;开创性观察到急性慢性肝衰竭（ACLF）是一种具有明确临床、预后和病理生理特征的独特临床综合征。作为全球慢加急性肝衰竭（ACLF）研究领域的奠基人之一，Jalan教授迄今已发表超过552篇原创论文、社论和综述，其中以第一或通讯作者身份在Hepatology、Journal of Hepatology、Gastroenterology、Gut等顶级期刊发表的多项突破性成果，H指数高达119，谷歌学术总引用数逾55,000。他曾担任Journal of Hepatology主编以及多个国际权威肝病学期刊的编委。

第一作者简介

杨毅辉博士

克利夫兰医学中心

克利夫兰医学中心的肝移植科医生，多学科酒精肝病科主任，迄今已发表153 篇文章，包含第一/共一作者于Nature Review Gastroenterology and Hepatology、Journal of Hepatology, Gastroenterology, Gut, Annals of Internal Medicine等杂志，引用数11290，H因子 47。杨医生研究主题涵盖运用前沿科技发明、机器学习模型与高阶统计学于肝病研究。杨医生于2019年获得美国肝病学会 “Emerging Liver Scholar Award” 奖项，2024年度Vinay Sundaram优异肝病学者。杨医生获得美国消化科学会AGA Innovation Fellow、美国肝病学会Kimberly A. Brown Transplant Hepatology Fellow Award、2026 年美国消化科学会年度青年研究员头衔和国家卫生研究院K23基金，并入选美国肝病学会乙肝委员会委员。其发表被治疗指南与各大媒体如TIME magazine、 Newsweek、 ScienceDaily以及 Washington Times等报道。