北大醫院腎臟內科楊莉/鄭茜子團隊發表全球首個急性腎損傷風險預測及歸因大語言模型

背景

急性腎損傷（AKI）是住院患者中常見的危重症，發病率和死亡率均較高。目前尚無特異性治療方法，因此早期識別高危患者是改善預後的關鍵。

現有的風險預測模型在臨床部署中面臨兩大挑戰：假陽性率高達70%至94%，可能導致醫務人員警報疲勞；以及黑箱特性，無法輸出可解釋或可執行的臨床因素。

取得的成果

北京大學第一醫院腎臟內科楊莉教授和鄭茜子副教授領導的團隊開發了醫院新聞所述的全球首個用於急性腎損傷風險預測和歸因的大語言模型框架。楊莉教授是教授、主任醫師、博士生導師、醫院副院長、北京大學腎臟病研究所副所長、北京大學腎臟病學系主任。鄭茜子副教授是副教授、副主任醫師、北京大學腎臟病學系秘書。

論文題為“Large language model driven multicenter prediction and explainable risk attribution of acute kidney injury”，發表於Nature Communications。該研究為多中心回顧性佇列分析，使用來自中國四家地理位置不同、級別各異的醫院的140637例住院患者電子病歷資料。

團隊以Qwen2.5-7B為基礎模型，在42.6億token的腎臟病學語料庫上進行領域特定預訓練和微調後，建立了用於預測的AKI-PM和用於風險歸因的AKI-RAM。AKI-PM在內部驗證中達到AUC 0.95、準確率0.91、陽性預測值0.68，在少樣本適應後的外部驗證中保持AUC 0.92-0.96、PPV 0.69-0.74。AKI-RAM由六名腎臟病專家在200例病例上評估，獲得高分（Likert量表4.18-4.88），評者間信度為中等到良好。團隊計劃在真實臨床場景中進行前瞻性驗證。

工作原理

大語言模型是一種人工智慧形式，通過海量文本訓練以理解語境、處理資訊並生成自然語言輸出。研究人員構建了一個專注於腎臟的專用語料庫（AKICorpus），包含42.6億token，來源於AKI循證醫學指南、腎臟相關PubMed出版物、公共資料庫（包括MIMIC-IV和eICU）的臨床記錄，以及北京大學第一醫院47750例住院患者的專有電子健康記錄筆記。該語料庫用於Qwen2.5-7B模型的持續預訓練以嵌入腎臟病學領域知識，隨後在患者資料上進行監督微調和專家對齊。

AKI-PM分析患者電子病歷的即時資料，動態預測未來24小時內發生AKI的風險，推理速度快，支援潛在的即時應用。對於預測為高危的患者，AKI-RAM生成結構化、可解釋的輸出，區分可修改的臨床風險因素（可通過藥物調整或液體管理等干預）和不可修改的風險因素，並以臨床醫生易懂的語言提供個性化、可執行的干預建議。

對國際患者意味著什麼

北京大學第一醫院腎臟內科是中國腎臟病診療和研究的全國領先單位。國際患者可通過醫院特需門診就診腎臟內科服務，優先獲得專家診療。部分醫師能夠用英語溝通，醫院接受部分國際保險（通常需先付費後報銷）。

所述AKI模型代表基於回顧性資料的研究進展。前瞻性真實世界臨床驗證正在計劃中，但目前常規臨床可用性未見報道。國際患者應直接聯絡醫院確認資格、相關服務可用性、語言支援以及此類預測工具在其個體病例中的整合情況。

關於醫院

北京大學第一醫院是一家大型綜合性三級甲等醫院，位於北京。成立於1915年，隸屬於北京大學，集醫療、教學、科研和預防醫學於一體。它被指定為中央政府指定醫院，並作為國家衛生舉措的基地。

北京大學第一醫院腎臟內科於20世紀50年代在中國確立腎臟病專科，被公認為腎臟疾病領先中心，擁有衛生部腎臟病重點實驗室，並參與制定國家臨床指南。它保持多項國家重點臨床專科，開展包括腎活檢在內的大量複雜診療，併為包括海外患者在內的患者提供特需服務。