We use cookies

Our website uses essential cookies and, with your consent, additional cookies to measure performance and improve our services. Cookie Policy.

You can change your choice at any time.

MMedXYNews
首页视频解读
MedXY AI/MedXY新闻/栏目: 人工智能

精准康复:机器学习揭示为什么‘早期活动’对某些ICU患者有效而对另一些无效

MedXY Editorial Team•2025年12月27日•人工智能
危重病护理早期活动机器学习精准医疗

引言:协议化ICU护理的悖论

过去十年,‘早期活动’(EM)范式一直是重症监护室(ICU)康复研究的基石。其生物学原理是合理的:不动会导致快速的肌肉萎缩、膈肌无力和全身炎症。然而,大规模随机对照试验(RCT),尤其是‘ICU机械通气期间的早期主动活动’(TEAM)试验,关于长期生存的结果却是中性的。这种生理理论与临床结果之间的差异表明,危重病护理研究中的一个关键疏漏:假设所有机械通气患者对物理干预的反应都是统一的。

最近发表在《重症医学》杂志上的一项开创性的TEAM试验二次分析挑战了这一‘一刀切’的方法。通过利用先进的机器学习来估计个体化治疗效果(ITE),研究人员揭示了对强化EM的惊人反应范围。研究结果表明,对某些患者而言,积极的早期锻炼可以挽救生命,而对另一些患者来说,则可能危及生命。

研究设计:超越平均治疗效果

原始的TEAM试验比较了‘强化’EM(更高强度,更早开始)和‘常规护理’EM。虽然主要研究发现180天死亡率没有差异,但这项二次分析旨在识别‘治疗效果异质性’(HTE)。研究人员采用了一个因果推断框架,利用机器学习预测任何单一患者在接受替代治疗组时的情况。

方法严谨性

该研究包括来自40个国际站点的687名患者。研究人员采用了‘分样本’方法,按站点将数据集分为训练队列和测试队列,以确保模型的泛化能力。使用五折交叉验证比较了六种不同的机器学习算法,包括复杂的因果森林和梯度提升模型,以确定哪种算法最能准确预测主要结果:第180天死亡。

最终,患者根据其预测的ITE被分为三等分。这使得研究人员能够比较‘受益者’和那些预测会因强化活动而‘受害’的患者的临床特征。

主要发现:效益和风险的谱系

分析结果既令人启发又令人警醒。机器学习模型预测值与实际治疗分配之间的交互项具有统计学意义(p = 0.006),证实了EM的效果确实具有异质性。

死亡风险的极端变化

在测试队列中,预测的ITE范围从绝对34.0%的死亡率降低到39.3%的死亡率增加,当患者接受强化EM相比常规护理时。这表明原始TEAM试验的‘中性’结果实际上是两个相反极端的平均值:一个群体获得了巨大的益处,而另一个群体则受到了显著的伤害。

‘高风险’患者的特征

研究中最具临床相关性的方面之一是识别出与强化EM不良反应相关的基线变量。预测会受到伤害或缺乏益处的患者在基线时更有可能表现出以下特征:

  • 更高的血管加压药需求:表明血流动力学不稳定,物理活动的代谢需求可能超过氧输送。
  • 糖尿病的存在:提示可能对压力有改变的代谢反应或已有的微血管并发症。
  • 较低的RASS(里士满躁动-镇静量表)评分:表明入组时更深的镇静或更严重的神经功能障碍。

相比之下,从强化EM中获益最多的患者通常血流动力学更稳定且更加清醒,表明他们具备承受和适应早期体力活动的压力所需的‘生理储备’。

专家评论:迈向个性化的ICU康复

这项研究标志着临床医生必须如何看待ICU康复的重大转变。研究发现,对于某些亚组(特别是使用血管加压药或深度镇静的患者),积极的活动可能会增加死亡风险,这符合危重病护理中的‘恰到好处’原则:干预必须在时机和强度上‘恰到好处’。

生物学合理性

在深度镇静/血管加压药组中观察到的危害可能是由于‘被抢走的心输出量’。运动时,血液流向骨骼肌。在已经处于休克或多器官衰竭状态的患者中,这种分流可能会损害肾脏或肠道等重要器官的灌注。此外,在糖尿病患者中,由于可能存在线粒体功能受损,动员的代谢成本可能会加剧细胞应激。

局限性和未来方向

尽管该研究方法严谨,但它仍然是一个二次分析,因此是假设生成的。687例的样本量虽然对于ICU试验来说较大,但对于复杂的机器学习模型来说相对较小。此外,使用的基线变量(如血管加压药、RASS)是时间点的快照;在ICU的动态环境中,患者的‘动员表型’可能每天甚至每小时都在变化。

结论:协议化时代的终结?

TEAM试验的二次分析为个性化ICU动员提供了有力的论据。我们不能再假设‘越多越好’适用于每个使用呼吸机的患者。相反,重点必须转向识别‘机会窗口’——即患者生理稳定性足以从运动的合成信号中受益而不被干预的分解应激所压倒的时间点。

未来的临床试验应考虑利用这些机器学习见解来‘丰富’研究人群,例如排除高风险患者或根据个体预测的反应调整动员的强度。在此之前,临床医生在对血流动力学或神经功能受损严重的患者进行积极动员时应谨慎行事。

资金来源和ClinicalTrials.gov

TEAM试验得到了澳大利亚国家卫生和医学研究委员会(NHMRC)和新西兰健康研究委员会的资助。ClinicalTrials.gov标识符:NCT03133377。

参考文献

  1. Hodgson CL, Spicer AB, Broadley T, 等. 机械通气患者强化早期活动的个体化治疗效果:TEAM试验的二次分析。Intensive Care Med. 2025. doi:10.1007/s00134-025-08217-0。
  2. TEAM Study Investigators and the ANZICS Clinical Trials Group. ICU机械通气期间的早期主动活动。N Engl J Med. 2022;387(19):1747-1758。
  3. Iwashyna TJ, 等. 在临床试验中寻找治疗效果的异质性。JAMA. 2018;319(14):1439-1440。

本文在创作过程中使用了包括 AI 在内的多种编辑工具,并在发布前经人工编辑审核。

相关文章

打开分语言的专科信息流和科室页面。

解读型机器学习助力减重手术候选者肥胖低通气综合征个体化风险预测一种可解释机器学习模型利用7项易获取的临床变量识别减重手术候选者中的肥胖低通气综合征高风险人群,有助于提高早期诊断效率和围手术期风险管理水平。2026年9月28日机器学习赋能类固醇谱分析:先天性肾上腺类固醇生成障碍的快速诊断新策略本文综述了一项经验证的机器学习决策树模型:利用 LC-MS/MS 类固醇谱,可实现先天性肾上腺类固醇生成障碍(CDAS)的快速、准确诊断,从而提升临床决策质量与患者预后。2026年9月20日早期活动能否改善机械通气脓毒症或急性呼吸衰竭ICU患者结局?——EVER多中心随机对照试验的启示EVER试验评估了结构化早期活动方案是否能改善接受机械通气、合并脓毒症或呼吸衰竭患者的功能结局。尽管活动启动更早、频率更高,但在ICU出院时及12个月随访中均未观察到显著功能获益。2026年9月2日优化毛细血管血酮检测频率:预测1型糖尿病短期DKA风险每周在健康日进行毛细血管血酮检测,仍可维持对1个月内糖尿病酮症酸中毒风险的预测准确性,为1型糖尿病患者提供了一种更实用、负担更轻的监测策略。2026年8月31日转甲状腺素蛋白淀粉样心肌病预后评估再升级:机器学习风险预测模型一项基于机器学习的新型模型可显著提升转甲状腺素蛋白淀粉样心肌病的风险预测能力,优于传统分期系统,并有助于支持个体化患者管理。2026年8月31日
Loading comments...
MedXY briefing

Get the free newsletter

Evidence-led clinical news, trends, and analysis—delivered to your inbox.

向 MedXY AI 提问

Most popular

儿科
抗VEGF与激光光凝治疗早产儿视网膜病变:美国眼科学会综合综述带来的启示
医学资讯
神经降压素受体1:驱动结直肠癌免疫排斥与不良预后的关键因素
公共卫生
糖尿病超额医疗负担的年龄差异:不止于传统并发症
儿科
vosoritide 在 RASopathy 及相关遗传性矮身材患儿中显示出令人鼓舞的促生长作用
临床进展
医嘱定制食品杂货对 Medicaid 承保2型糖尿病成人血糖控制的影响:随机对照试验带来的启示
© 2026 MedXY
Contact usAbout usPrivacy PolicyMedXY story
多组学与机器学习揭示胆管癌分子亚型,并确定TNK1为新型治疗靶点本研究通过整合多组学与机器学习方法,划定胆管癌的3种独特分子亚型,提示TNK1激酶是代谢型亚群中具有前景的靶向治疗新靶点。2026年8月27日