加州大学洛杉矶分校 (UCLA) 领导的团队开发了一种机器学习模型，可以高度准确地预测接受持续性肾脏替代疗法 (CRRT) 的透析患者的短期生存率。该研究发表在《自然通讯》上。

CRRT 是一种用于重病住院患者的治疗方法，这些患者的健康状况使他们无法接受定期血液透析。这是一种较为温和的治疗方法，可在较长时间内提供持续治疗。然而，接受 CRRT 治疗的成年人中约有一半无法存活，因此这种治疗对患者及其家人来说都是徒劳的。

为了帮助医生决定患者是否应该开始 CRRT，研究人员开发了一种机器学习模型，该模型使用来自数千名患者的电子健康记录的数据来预测他们接受治疗的机会。

研究结果提供了一种数据驱动的工具来协助临床决策。该工具结合了先进的机器学习技术来分析大量复杂的患者数据，这对医生来说以前是一项挑战。该研究表明，将机器学习模型整合到医疗保健中可以改善治疗结果和资源管理。

“CRRT 通常被用作最后的手段，但很多患者都无法挺过这一难关，导致资源浪费，并给家人带来虚假的希望，”加州大学洛杉矶分校肾脏病科主任兼研究报告的资深作者 Ira Kurtz 博士说。

“通过预测哪些患者将受益，该模型旨在改善患者的治疗效果和资源利用，并作为测试其在未来临床试验中的效用的基础。与所有机器学习模型一样，它需要在现实世界中进行测试，以确定其对未经训练的患者是否同样准确。”