编者按： “AME 作者面对面” 是微信公众号 “AME科研时间” 的特色专栏。编辑部精心挑选了发表在 AME 旗下杂志的优秀论著，诚邀作者总结亮点，分享研究成果，旨在进一步推动医学同行之间的交流和进步。
分享团队：
阜外心血管病医院于存涛团队
所刊杂志：
Journal of Thoracic Disease（点击查看杂志详情与影响因子）
文章标题：
随机森林模型预测A型主动脉夹层院内破裂（Predicting in-hospital rupture of type A aortic dissection using Random Forest）
内容亮点：
A型夹层异常凶险，急诊手术是唯一有效治疗方式。我国A型夹层手术的经典术式为“全弓置换+支架象鼻”。该术式难度大，培养周期长，目前只有少数心血管中心拥有成熟的技术和团队能够处理A型夹层。同时，A型夹层的发病和气候以及温度相关，以至于某一段时间内出现大量患者，让有限的医疗资源更加捉襟见肘。如果同时来了两名，甚至多名患者（经常发生这样的情况），但是我们无法为每一个患者都同时安排手术！如何做出最优选择/给谁先排手术？毫不夸张的讲，这是一个关乎生死抉择的问题。中国医学科学院阜外医院作为中国最大的心血管中心，积累了大量主动脉夹层诊治的经验。本研究试图通过机器学习算法（随机森林）对大样本的主动脉夹层患者（1133例）进行特征提取分析，明确主动脉院内破裂的相关因素，并建立网页预测模型，方便临床使用。
本研究将所有患者按照70:30随机分为训练集和验证集。首先，随机森林模型从训练集中提取到主动脉破裂相关特征（包括人口学信息，合并症，临床表现，实验室检查，以及影像学检）：主动脉周围血肿；心包积血；下肢麻木或疼痛；晕厥；主动脉直径，主动脉相对直径；肺部积液;年龄;急性期;头臂动脉受累;肾动脉受累;急性肝功能不全;性别;白细胞计数大于15*109/L;血压高于160 mmHg; BMI。我们进一步通过Lasso回归确认了上述发现。在训练集中，该模型中的C-index, 敏感度，特异度，阳性预测值，阴性预测值分别为： 0.994, 1.000, 0.987, 0.998以及1.000。在测试集中分别为0.752, 0.990, 0.514, 0.945 和0.857。该模型显示了优秀的预测性能和临床指导潜力。据此，我们开发了免费的网页预测器：http://47.107.228.109/。
研究亮点小结：
1. 本研究在主动脉夹层领域率先使用机器学习进行风险预测；
2. 主动脉周围血肿是A型主动脉夹层破裂风险最主要的征象，需要引起临床高度警惕；
3. 简单的临床特征，比如晕厥，下肢麻木疼痛，对结局预测同样十分有效；
4. 炎症，不仅和夹层的发病机制相关，炎症的轻重也高度影响患者的预后；
5. 本研究开发了基于随机森林的网页计算器，利于推广应用。
Abstract
Methods: We retrospectively evaluated 1,133 consecutive patients with TAAD from January 2010 to December 2016. The study population was divided into training and testing datasets in a 70:30 ratio for further analysis using Random Forest.
Results: The Random Forest classification model was developed with the training dataset and 16 variables were confirmed as ‘important’: age, BMI, gender, syncope, lower limb numbness/pain, acute phase of the TAAD, BP >160 mmHg at admission; acute liver dysfunction, WBC >15×109/L, aortic size, aortic height index (AHI), periaortic hematoma, pleural effusion, brachiocephalic artery involvement, renal artery involvement, and hemopericardium. Validation of the model showed good discrimination with an AUC, sensitivity, specificity, positive predictive value and negative predictive value of 0.994, 1.000, 0.987, 0.998 and 1.000, respectively, in the training dataset, and 0.752, 0.990, 0.514, 0.945 and 0.857, respectively, in the testing dataset.
Conclusions: An easy-to-use tool to predict in-hospital rupture for TAAD patients was developed and validated (http://47.107.228.109/). Periaortic hematoma is the strongest predictor. Simple clinical information such as syncope can be very useful in in-hospital rupture risk stratification.
