根据 10 月 22 日在线发表在《肾衰竭》杂志上的一项研究，使用先进的人工智能开发的英国尸体捐献肾移植结果预测 (UK-DTOP) 模型在预测肾移植存活率方面表现出卓越的校准和辨别能力。

来自英国考文垂和沃里克郡大学医院的 Hatem Ali 和同事分析了英国移植登记处的数据，包括 2008 年至 2022 年之间的 29,713 例移植病例，以评估 XGBoost、随机生存森林和最佳决策树机器学习模型的预测性能。

研究人员发现，XGBoost 表现出色，一致性指数最高(0.74)，曲线下面积始终高于 0.73。与一致性指数为 0.57 的传统肾脏捐赠者风险指数相比，UK-DTOP 模型表现出了显著的改善。使用综合 Brier 评分进行的校准评估进一步凸显了 XGBoost 模型的先进功能，得分为 0.14，表明生存概率预测准确。使用通过 k 均值聚类的无监督学习，根据捐赠者和移植特征确定了五个不同的聚类;使用贝叶斯 Cox 回归进一步分析证实了各个聚类之间存在显著的生存结果差异。

“我们的研究结果表明，肾脏分配政策应该更新，以包括更详细的风险分层，”作者写道。“这可能导致更先进的模型，更好地考虑捐赠者的复杂性，改善移植结果，并帮助接受器官捐赠时做出更好的决策。”