近日，蒙特菲奥里爱因斯坦医学中心（MMC）的研究人员成功开发并验证了一种名为“手术事件输血预测工具”（TRANSFUSE）的临床预测模型，该模型可以帮助医院更精准地判断手术患者是否需要浓缩红细胞（pRBC）输注，从而优化血液资源的使用，提升手术安全性和医疗效率。相关研究成果目前已发表在《JAMA Network Open》期刊上。
TRANSFUSE模型基于来自两家大型医院系统超过80万名手术患者的数据开发而成。研究人员通过分析这些数据，确定了24个影响术中输血的关键因素，包括手术复杂程度、紧急程度、患者的身体状况（如贫血严重程度、血小板计数、肝功能等）以及手术类型（如心脏手术、骨科手术、移植手术等）。每个因素都被赋予了一个权重，分配的权重范围从1到16，权重越高，说明它对输血的影响越大。其中，严重贫血和复杂紧急手术的权重最高。通过这些因素的综合评分，该模型可以预测患者术中输血的概率，范围从不到0.01%到超过96%。
在MMC的训练队列中，TRANSFUSE受试者的AUC（一种衡量模型预测能力的指标）达到了0.93。在内部验证中的AUC值为0.92。此外，在贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）的外部验证中，TRANSFUSE的表现依然稳定，AUC值为0.90，这表明该模型在不同医院和患者群体中均具有可靠性。为了更直观地评估风险，研究人员设定了30分的阈值。在测试中，TRANSFUSE成功识别了86.8%需要输血的患者，同时其阴性预测值高达99.7%。
与其他预测工具相比，TRANSFUSE的表现显著优于传统的“输血风险理解评分工具”（TRUST）。TRUST在开发队列中的AUC值仅为0.64，在外部验证中也只有0.73。此外，TRANSFUSE的性能与其他三种基于机器学习的衍生模型相当。
目前，TRANSFUSE已在MMC的肝移植手术中投入使用，并计划通过电子健康记录推广到更多手术类型。研究人员希望该模型的使用能够减少低风险病例中不必要的血液交叉配型订单，并支持更高效的患者血液管理策略。
翻译：吴齐敏 浙江省血液中心
审核专家：王拥军
翻译来源：https://www.aabb.org/news-resources/news/article/2025/04/29/new-prediction-model-may-may-help-improve-blood-usage-practices
