急性肾脏损伤(AKI)是重症患者的常见并发症,并且与不良预后相关(高发病率及病死率)。而大约70%的AKI患者需要进行肾脏替代治疗(RRT),住院死亡率超过60%。连续性肾脏替代治疗(CRRT)是重症急性肾损伤(AKI)患者管理的关键组成部分,是重症监护室中一种常见的临床干预措施。而在重症监护室内,患者身体状况及临床需求随时可能发生变化,但医护人员人手相对短缺,因此,本文的研究目的是让机器学习依据医生过去的判断,即从ICU历史数据中学习医生对CRRT干预启动的预判策略,并且还能达到一定的准确率,从而形成相应的预警模型为医生提供患者何时需要特定干预的预警信息,以适当缓解人口老龄化带来的老年ICU医护需求增加而医护人员相对短缺的情况。在提取患者在ICU期间产生的动态时间序列数据及整合患者静态基本信息后,通过探索数据与CRRT干预之间的相关性,构造出多个衍生变量,然后使用GBDT、SVM等机器学习算法开发模型,预测患者何时需要进行连续肾脏治疗干预。通过对患者产生的各项生理指标时间序列进行离散化处理并且进一步划分为观察窗口、间隔窗口、预测窗口,同时采用滑动窗口的采样形式,以实现接近“实时”的前瞻性预测。通过大量数值实验对每个机器学习模型的参数进行调优。实验结果表明:GBDT模型的准确率和召回率均达到80%以上,AUC为0.84。因此,机器学习模型作为预警,用来提示医护人员有患者需要进行CRRT干预还是有一定的效果,能够在必要时刻为临床医护人员提供一些重要的预警信息,从而为他们节省一定的时间和精力。但在实际的临床环境中,医生依然是无法替代的。临床相关的研究需要经过很长一段时间的验证期,所以仍有很长的路要走。不过当医护人员短缺时,机器学习模型作为预警系统,可以减少错过患者紧急状况的风险。