目的：急性肾损伤（AKI）是重症急性胰腺炎（AP）的常见并发症，预后极差。本研究旨在构建一个能够准确识别隐匿性急性肾损伤（AKI）高危患者的模型。
患者和方法：回顾性分析 424 例 AP 患者。ML 辅助模型是使用两步估计方法从候选临床特征发展而来的。通过受试者操作特征曲线（ROC）、决策曲线分析（DCA）和临床影响曲线（CIC）来评估每个模型的稳健性和临床实用性。
结果：最后，共纳入 30 个候选变量，并通过基于 ML 的算法建立了 AKI 预测模型。随机森林分类器（RFC）模型、支持向量机（SVM）、极端梯度增强（XGBoost）、人工神经网络（ANN）和决策树（DT）的 ROC 曲线（AUCs）下的面积范围为 0.725（95% CI 0.223–1.227）到 0.902（95% CI 0.400–1.403）。其中，RFC 通过添加炎症因子（分别为血清肌酐（Scr）、C 反应蛋白（CRP）、血小板与淋巴细胞比率（PLR）、中性粒细胞与淋巴细胞比率（NLR）、中性粒细胞与白蛋白比率（NAR）和 CysC 获得最佳预测效率。
结论：我们成功地开发了基于 ML 的 AKI 预测模型，尤其是 RFC，它可以改善 AP 患者 AKI 的预测。预测和早期发现的实用性可能对风险分层和管理决策非常有益。
关键词：急性胰腺炎；急性肾损伤；血清细胞因子；胱抑素 C；机器学习算法；预测模型