Development of a risk assessment model for acute kidney injury in cirrhotic patients based on automated machine learning

doi:10.3877/cma.j.issn.1674-0785.2025.02.005

Abstract

Abstract:

Objective

Acute kidney injury （AKI） is a severe and common complication in patients with cirrhosis. This study aimed to develop a predictive model for cirrhosis-related AKI using automated machine learning （AutoML）.

Methods

The data of patients hospitalized for cirrhosis were retrospectively collected from a hospital. The patients were divided into AKI and non-AKI groups. A total of 22 potential predictive variables were included to construct and internally validate LASSO regression and AutoML models. Model performance was evaluated using metrics such as the area under the receiver operating characteristic curve （AUC）， sensitivity， specificity， and accuracy to select the best-performing model. Feature importance analysis， SHAP scatter plots， and force plots were used for visual interpretation of the model. Finally， the best model was developed into an online application using the Python-Streamlit framework and externally validated on an independent test set from another hospital.

Results

A total of 559 cirrhotic patients were included， among whom 159 （28.44%） developed AKI. In the validation set， the GBM model outperformed the LASSO regression model and other AutoML models， achieving an AUC of 0.93 （95%confidence interval： 0.86～0.99）. In the test set， the GBM model achieved an accuracy of 89.60%， sensitivity of 80.00%， specificity of 93.33%， and AUC of 0.91 （95%CI： 0.83～0.97）. Variable importance analysis revealed that β2-microglobulin， alkaline phosphatase， blood urea nitrogen， total bilirubin， portal vein diameter，prothrombin activity， and MELD score were the seven key factors influencing the prediction of AKI in cirrhotic patients. SHAP scatter plots and force plots visually demonstrated the impact of these key variables on AKI prediction.

Conclusion

The predictive model developed using AutoML demonstrated excellent predictive performance and user-friendly convenience in the early prediction of AKI risk in cirrhotic patients.

Key words: Cirrhosis, Acute kidney injury, Automated machine learning

Jian Chen, Kaijian Xia, Lu Xu, Fuli Gao, Xiaodan Xu, Ganhong Wang. Development of a risk assessment model for acute kidney injury in cirrhotic patients based on automated machine learning[J]. Chinese Journal of Clinicians(Electronic Edition), 2025, 19(02): 129-139.

/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: https://zhlcyszz.cma-cmc.com.cn/EN/10.3877/cma.j.issn.1674-0785.2025.02.005

https://zhlcyszz.cma-cmc.com.cn/EN/Y2025/V19/I02/129

Figures/Tables 11

References 27

1	Wang F， Fan J， Zhang Z， et al. The global burden of liver disease： the major impact of China ［J］. Hepatology （Baltimore， Md.）， 2014， 60（6）：2099-2108.
2	Angeli P， Garcia-Tsao G， Nadim MK， et al. News in pathophysiology，definition and classification of hepatorenal syndrome： A step beyond the International Club of Ascites （ICA） consensus document ［J］. J Hepatol， 2019， 71（4）： 811-822.
3	Piano S， Rosi S， Maresio G， et al. Evaluation of the Acute Kidney Injury Network criteria in hospitalized patients with cirrhosis and ascites ［J］. J Hepatol， 2013， 59（3）： 482-489.
4	Durand F， Olson JC， Nadim MK. Renal dysfunction and cirrhosis ［J］.Curr Opin Crit Care， 2017， 23（6）： 457-462.
5	Desai AP， Knapp SM， Orman ES， et al. Changing epidemiology and outcomes of acute kidney injury in hospitalized patients with cirrhosisa US population-based study ［J］. J Hepatol， 2020， 73（5）： 1092-1099.
6	王朋，李泽宇，蒋亚婷，等. MELD评分、ALBI评分联合β2-微球蛋白对肝硬化合并急性肾损伤的预测价值［J］. 临床肝胆病杂志，2023， 39（12）： 2839-2844.
7	潮燕，陈聪. 基于Nomogram建立肝硬化并发急性肾损伤的风险评估模型［J］. 中南医学科学杂志， 2023， 51（5）： 771-774.
8	Bewick V， Cheek L， Ball J. Statistics review 14： Logistic regression ［J］.Crit Care， 2005， 9（1）： 112-118.
9	Siriborvornratanakul T. Human behavior in image-based road health inspection systems despite the emerging autoML ［J］. J Big Data， 2022，9（1）： 96.
10	Alsharef A， Aggarwal K， Kumar M， et al. Review of ML and autoML solutions to forecast time-series data ［J］. Arch Comput Methods Eng，2022， 29（7）： 5297-5311.
11	王甘红，陈健，沈支佳，等. 基于自动化机器学习建立结肠镜肠道准备失败风险预测模型及评价［J］. 中国内镜杂志， 2024， 30（5）：36-47.
12	Shi Y， Lin J， Zhu J， et al. Predicting the recurrence of common bile duct stones after ERCP treatment with automated machine learning algorithms ［J］. Dig Dis Sci， 2023， 68（7）： 2866-2877.
13	中华医学会消化病学分会. 中国肝硬化临床诊治共识意见［J］. 中华消化杂志， 2023， 43（4）： 227-247.
14	Flamm SL， Wong F， Ahn J， et al. AGA clinical practice update on the evaluation and management of acute kidney injury in patients with cirrhosis： expert review ［J］. Clin Gastroenterol Hepatol， 2022， 20（12）：2707-2716.
15	Chen Y， Liu X， Gao L， et al. Using the H2O automatic machine learning algorithms to identify predictors of web-based medical record nonuse among patients in a data-rich environment： mixed methods study ［J］. JMIR Med Inform， 2023， 11： e41576.
16	Nohara Y， Matsumoto K， Soejima H， et al. Explanation of machine learning models using shapley additive explanation and application for real data in hospital ［J］. Comput Methods Programs Biomed， 2022，214： 106584.
17	Fahmy AS， Csecs I， Arafati A， et al. An explainable machine learning approach reveals prognostic significance of right ventricular dysfunction in nonischemic cardiomyopathy ［J］. JACC Cardiovasc Imaging， 2022， 15（5）： 766-779.
18	Tariq R， Hadi Y， Chahal K， et al. Incidence， mortality and predictors of acute kidney injury in patients with cirrhosis： a systematic review and meta-analysis ［J］. J Clin Transl Hepatol， 2020， 8（2）： 135-142.
19	Ning Y， Zou X， Xu J， et al. Impact of acute kidney injury on the risk of mortality in patients with cirrhosis： a systematic review and metaanalysis ［J］. Ren Fail， 2022， 44（1）： 1-14.
20	赵静涵，陈玉龙，张琛. 超声参数与UPJO致肾积水患儿肾功能的相关性分析［J/OL］. 中华腔镜泌尿外科杂志（电子版）， 2023， 17（4）：372-376.
21	Mindikoglu AL， Dowling TC， Magder LS， et al. Estimation of glomerular filtration rate in patients with cirrhosis by using new and conventional filtration markers and dimethylarginines ［J］. Clin Gastroenterol Hepatol， 2016， 14（4）： 624-632.e2.
22	Sawada Y， Shiraki M， Iwasa M， et al. The effects of diuretic use and the presence of ascites on muscle cramps in patients with cirrhosis： a nationwide study ［J］. J Gastroenterol， 2020， 55（9）： 868-876.
23	Montano-Loza AJ， Meza-Junco J， Prado CM， et al. Muscle wasting is associated with mortality in patients with cirrhosis ［J］. Clin Gastroenterol Hepatol， 2012， 10（2）： 166-73， 173.e1.
24	Wang R， Hu H， Hu S， et al. β2-microglobulin is an independent indicator of acute kidney injury and outcomes in patients with intracerebral hemorrhage ［J］. Medicine （Baltimore）， 2020， 99（8）：e19212.
25	陈杰桓，许志荣，刘颖培，等. 超声造影对急性肾损伤治疗后肾血流灌注水平的评价［J/OL］. 中华腔镜泌尿外科杂志（电子版），2023， 17（1）：58-62.
26	褚雪倩，周炜，黄萱，等. 乙肝肝硬化腹水患者发生急性肾损伤的影响因素及预测模型［J］. 临床肾脏病杂志， 2024， 24（8）： 623-628.
27	Murphree DH， Quest DJ， Allen RM， et al. Deploying predictive models in a healthcare environment - an open source approach ［J］.Annu Int Conf IEEE Eng Med Biol Soc， 2018， 2018： 6112-6116.

变量	训练集（n=351）	验证集（n=83）	统计值	P 值
Child_Pugh 评分			χ ²=3.650	0.161
A 级	141（40.2）	32（38.6）
B 级	133（37.9）	25（30.1）
C 级	77（21.9）	26（31.3）
性别			χ ²=0.014	0.905
女性	164（46.7）	40（48.2）
男性	187（53.3）	43（51.8）
腹水（%）			χ ²=2.401	0.301
无	256（72.9）	55（66.3）
轻- 中等量	78（22.2）	25（30.1）
大量	17（4.8）	3（3.6）
蜘蛛痣（%）			χ ²=0.208	0.649
无	273（77.8）	62（74.7）
有	78（22.2）	21（25.3）
水肿（%）			χ ²=0.743	0.69
N	224（63.8）	50（60.2）
S	102（29.1）	28（33.7）
Y	25（7.1）	5（6.0）
TBIL ［μmol/L，M（Q₁，Q₃）］	23.94［13.68，59.85］	22.23［15.39，56.43］	Z=0.789	0.836
胆固醇［mmol/L，M（Q₁，Q₃）］	7.86［6.52，9.96］	7.71［6.36，9.98］	Z=0.371	0.531
白蛋白［g/L，M（Q₁，Q₃）］	35.40［32.60，37.60］	35.00［31.75，38.45］	Z=0.468	0.607
碱性磷酸酶［U/L，M（Q₁，Q₃）］	111.90［82.15，162.00］	105.20［78.75，153.45］	Z=0.815	0.595
谷草转氨酶［U/L，M（Q₁，Q₃）］	106.00［75.95，143.38］	96.10［71.30，129.43］	Z=1.692	0.094
甘油三酯［mmol/L，M（Q₁，Q₃）］	1.22［0.95，1.65］	1.20［0.90，1.55］	Z=0.541	0.469
血小板计数（10⁹/L，x±s）	250.30（93.52）	250.58（101.71）	t=-0.022	0.981
肝硬化病因（%）			χ ²=6.203	0.184
血吸虫病	68（19.4）	23（27.7）
乙肝	183（52.1）	34（41.0）
丙肝	32（9.1）	7（8.4）
NAFLD	28（8.0）	11（13.3）
其他	40（11.4）	8（9.6）
年龄［岁，M（Q₁，Q₃）］	66.00［56.00，77.00］	69.00［57.00，75.50］	Z=0.092	0.953
静息收缩压［mmHg，M（Q₁，Q₃）］	130.00［120.00，140.00］	130.00［122.00，140.00］	Z=-0.962	0.155
空腹血糖（%）			χ ²=0.287	0.592
正常	289（82.3）	71（85.5）
升高	62（17.7）	12（14.5）
BMI ［kg/m²，M（Q₁，Q₃）］	22.80［20.40，25.35］	22.80［20.45，24.85］	Z=0.325	0.77
PVD ［cm，M（Q₁，Q₃）］	1.37［1.17，1.59］	1.37［1.21，1.58］	Z=-0.003	0.894
PTA ［%，M（Q₁，Q₃）］	43.47［32.83，55.47］	40.52［32.09，53.19］	Z=0.863	0.484
BUN ［mmol/L，M（Q₁，Q₃）］	6.38［4.54，8.63］	6.13［4.77，9.71］	Z=-0.703	0.817
β2 微球蛋白［mg/L，M（Q₁，Q₃）］	3.42［2.76，4.48］	3.67［3.00，5.28］	Z=-1.876	0.058
MELD 评分［分，M（Q₁，Q₃）］	18.64［12.73，24.69］	18.25［12.72，25.96］	Z=-0.482	0.694

变量	训练集（n=351）	验证集（n=83）	统计值	P 值
Child_Pugh 评分			χ ²=3.650	0.161
A 级	141（40.2）	32（38.6）
B 级	133（37.9）	25（30.1）
C 级	77（21.9）	26（31.3）
性别			χ ²=0.014	0.905
女性	164（46.7）	40（48.2）
男性	187（53.3）	43（51.8）
腹水（%）			χ ²=2.401	0.301
无	256（72.9）	55（66.3）
轻- 中等量	78（22.2）	25（30.1）
大量	17（4.8）	3（3.6）
蜘蛛痣（%）			χ ²=0.208	0.649
无	273（77.8）	62（74.7）
有	78（22.2）	21（25.3）
水肿（%）			χ ²=0.743	0.69
N	224（63.8）	50（60.2）
S	102（29.1）	28（33.7）
Y	25（7.1）	5（6.0）
TBIL ［μmol/L，M（Q₁，Q₃）］	23.94［13.68，59.85］	22.23［15.39，56.43］	Z=0.789	0.836
胆固醇［mmol/L，M（Q₁，Q₃）］	7.86［6.52，9.96］	7.71［6.36，9.98］	Z=0.371	0.531
白蛋白［g/L，M（Q₁，Q₃）］	35.40［32.60，37.60］	35.00［31.75，38.45］	Z=0.468	0.607
碱性磷酸酶［U/L，M（Q₁，Q₃）］	111.90［82.15，162.00］	105.20［78.75，153.45］	Z=0.815	0.595
谷草转氨酶［U/L，M（Q₁，Q₃）］	106.00［75.95，143.38］	96.10［71.30，129.43］	Z=1.692	0.094
甘油三酯［mmol/L，M（Q₁，Q₃）］	1.22［0.95，1.65］	1.20［0.90，1.55］	Z=0.541	0.469
血小板计数（10⁹/L，x±s）	250.30（93.52）	250.58（101.71）	t=-0.022	0.981
肝硬化病因（%）			χ ²=6.203	0.184
血吸虫病	68（19.4）	23（27.7）
乙肝	183（52.1）	34（41.0）
丙肝	32（9.1）	7（8.4）
NAFLD	28（8.0）	11（13.3）
其他	40（11.4）	8（9.6）
年龄［岁，M（Q₁，Q₃）］	66.00［56.00，77.00］	69.00［57.00，75.50］	Z=0.092	0.953
静息收缩压［mmHg，M（Q₁，Q₃）］	130.00［120.00，140.00］	130.00［122.00，140.00］	Z=-0.962	0.155
空腹血糖（%）			χ ²=0.287	0.592
正常	289（82.3）	71（85.5）
升高	62（17.7）	12（14.5）
BMI ［kg/m²，M（Q₁，Q₃）］	22.80［20.40，25.35］	22.80［20.45，24.85］	Z=0.325	0.77
PVD ［cm，M（Q₁，Q₃）］	1.37［1.17，1.59］	1.37［1.21，1.58］	Z=-0.003	0.894
PTA ［%，M（Q₁，Q₃）］	43.47［32.83，55.47］	40.52［32.09，53.19］	Z=0.863	0.484
BUN ［mmol/L，M（Q₁，Q₃）］	6.38［4.54，8.63］	6.13［4.77，9.71］	Z=-0.703	0.817
β2 微球蛋白［mg/L，M（Q₁，Q₃）］	3.42［2.76，4.48］	3.67［3.00，5.28］	Z=-1.876	0.058
MELD 评分［分，M（Q₁，Q₃）］	18.64［12.73，24.69］	18.25［12.72，25.96］	Z=-0.482	0.694

模型	AUC	敏感度（%）	特异度（%）	准确率（%）	PPV（%）	NPV（%）	F1 分数（%）
GBM	0.9335	76.48	96.77	90.80	90.48	90.91	82.61
XRT	0.9310	76.32	93.55	88.51	82.61	90.62	79.17
DRF	0.9181	80.22	95.16	90.80	86.96	92.19	83.33
DeepLearning	0.8942	68.38	87.10	81.61	68.00	87.10	68.00
GLM	0.8923	68.09	85.48	80.46	65.38	86.89	66.67

模型	AUC	敏感度（%）	特异度（%）	准确率（%）	PPV（%）	NPV（%）	F1 分数（%）
GBM	0.9335	76.48	96.77	90.80	90.48	90.91	82.61
XRT	0.9310	76.32	93.55	88.51	82.61	90.62	79.17
DRF	0.9181	80.22	95.16	90.80	86.96	92.19	83.33
DeepLearning	0.8942	68.38	87.10	81.61	68.00	87.10	68.00
GLM	0.8923	68.09	85.48	80.46	65.38	86.89	66.67

[1]	Peizhen Li, Hailiang Liu, Dawei Li, Hao Jia, Zejin Zhang, Liwei Liu, Shen Chuan'an Shen. Analysis of risk factors for early acute kidney injury in patients with severe burns and establishment of a prediction model [J]. Chinese Journal of Injury Repair and Wound Healing(Electronic Edition), 2025, 20(03): 199-205.
[2]	Xiaomei Qian, Hong Luo, Zhihui Li, Daijun Zhou, Dong Li. Logistic analysis of high-risk factors for primary liver cancer complicating hepatitis b-related liver cirrhosis in 76 cases [J]. Chinese Journal of Operative Procedures of General Surgery(Electronic Edition), 2025, 19(03): 251-253.
[3]	Yang Shi, Hui Guo, Jian Li. TIPS standard procedures and management of surgery-related complications for portal hypertension [J]. Chinese Journal of Hepatic Surgery(Electronic Edition), 2025, 14(03): 372-378.
[4]	Sha Luo, Lele Qiu, Xiang Yu, Zhe Feng, Guangyan Cai, Jing Huang. Application research of new non-invasive volume assessment technology in continuous renal replacement therapy for patients with acute kidney injury [J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2025, 14(02): 61-67.
[5]	Fei Li, Xiaoxia Guo, Yue Zheng, Xi Zheng, Xincheng Li, Wenxiong Li. Impact of statins on the prognosis of sepsis-associated acute kidney injury patients with elevated triglyceride-glucose index [J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2025, 14(02): 68-76.
[6]	Jiaxin Zhang, Yang Liu, Zhen Wu, Qingli Cheng, Qiangguo Ao. Impact of hypernatremia on short-term prognosis of elderly patients with in-hospital acute kidney injury [J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2025, 14(02): 83-90.
[7]	Keying Zhang, Yuwei Ji, Zhangning Fu, Yifan Zhang, Xiaochen Wang, Yan Yang, Xiangmei Chen, Guangyan Cai, Quan Hong. Transcriptome analysis of mesenchymal stem cells pretreated with ginsenoside Rb1 and mining of key genes for treating acute kidney injury [J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2025, 14(01): 26-33.
[8]	Xuwei He, Yang Liu, Qingli Cheng, Qiangguo Ao. Research progress on point-of-care testing of early biomarkers for acute kidney injury [J]. Chinese Journal of Kidney Disease Investigation(Electronic Edition), 2025, 14(01): 48-52.
[9]	Yu Xin, Changsong Wang, Kaijiang Yu. Critical kidney disease：progress and prospects in 2024 [J]. Chinese Journal of Critical Care & Intensive Care Medicine(Electronic Edition), 2025, 11(01): 17-21.
[10]	Ran Wang, Wei Chang, Yi Yang, Jingyuan Xu. Advance in effect of crystalloids on acute kidney injury in patients with septic shock [J]. Chinese Journal of Critical Care & Intensive Care Medicine(Electronic Edition), 2025, 11(01): 100-104.
[11]	Yulin Wang, Zhonghua Wang, Ziwen Liu, Mengxin Lyu, Yuanzi Yu, Tao Li, Jinhua Hu, Xiaoqian Zhang. Metagenomics analysis of intestinal microbiota in patients with liver cirrhotic gastrointestinal bleeding before and after transjugular intrahepatic portosystemic shunt [J]. Chinese Journal of Digestion and Medical Imageology(Electronic Edition), 2025, 15(02): 135-143.
[12]	Zhen Chen, Tianlei Yu, Xiaochao Liu, Meng Yin. Changes of blood cell parameters，renal function and nutritional score and their correlation with prognosis in cirrhotic patients with portal hypertension and acute upper gastrointestinal hemorrhage [J]. Chinese Journal of Digestion and Medical Imageology(Electronic Edition), 2025, 15(02): 149-154.
[13]	Zhishuo Zhang, Ziyi Wang, Ning Ma. Feasibility study of MSCT liver volume measurement in evaluating liver function compensatory status in patients with liver cirrhosis [J]. Chinese Journal of Digestion and Medical Imageology(Electronic Edition), 2025, 15(02): 155-161.
[14]	Shirui Yan, Hui Xiong. Identification of risk factors for acute kidney injury in patients with infective endocarditis and prediction of death risk in such patients with acute kidney injury [J]. Chinese Journal of Clinicians(Electronic Edition), 2024, 18(07): 618-624.
[15]	Jiangdong Yuan, Lizhen Zhou, Pengcheng Duan, Jiexuan Xu, Jiang Li, Murong Lu. The relationship between international standardized ratio and mortality of patients with sepsisrelated acute kidney injury [J]. Chinese Journal of Clinical Laboratory Management(Electronic Edition), 2025, 13(01): 11-16.

Please choose a citation manager

Content to export