整合生物标志物/细胞因子、临床和代谢组学数据的ARDS死亡率预测建模

急性呼吸窘迫综合征（ARDS）以呼吸功能快速衰竭为特征，死亡率约40%，仍是重症监护医学中的重大挑战。尽管支持性治疗有所进展，但准确预测ARDS死亡率仍具挑战性，导致针对性干预措施的实施延迟，影响疾病有效管理。传统的危重疾病严重程度评分对ARDS缺乏特异性，凸显了开发更精准的ARDS死亡率预后工具的迫切需求。为填补这一关键空白，我们采用多模态方法预测ARDS患者结局，利用包含临床、代谢组学及生化/细胞因子数据的综合数据集（采集自患者入ICU数小时内），开发并验证了ARDS死亡风险预测模型。构建的最稳健多模态数据模型展现出卓越的预测能力，在测试集曲线下面积（AUC）达0.868，验证集达0.959。值得注意的是，该模型在验证队列中识别非存活者时实现了100%的特异性，凸显了其在ICU中指导早期精准干预的潜在价值。代谢组学分析揭示了与ARDS死亡率相关的关键通路显著改变，其中色氨酸代谢（尤其是犬尿氨酸通路）成为最显著富集的代谢途径，同时NAD+代谢/烟酰胺磷酸核糖转移酶（NAMPT）通路及糖胺聚糖生物合成通路也发生显著变化。这些代谢紊乱在猪脓毒症/ARDS模型肺组织的脂质组学/代谢组学分析中得到有力证实。综上，这些发现证明了整合多模态数据在改善ARDS预后预测方面的潜力，并为理解重症ARDS背后复杂的代谢紊乱机制提供了重要见解。犬尿氨酸通路、NAD+代谢/NAMPT通路等代谢特征的识别，可能为开发针对ARDS患者的个性化精准干预与管理策略奠定基础。