慢性肾脏病（CKD）患者心力衰竭（HF）风险高，现有预测模型适配性不足、传统统计方法受限，临床需求迫切。第三附属医院肾病内科教授汤颖团队针对这一痛点，基于多中心数据构建CKD人群特异性心衰预测模型，并拓展了NT-proBNP在心肾风险评估中的应用价值。为进一步推动临床转化，团队还将该模型部署为在线网页计算器，方便临床实时评估（图1）。

图1 慢性肾脏病人群心衰风险研究图形摘要

研究显示，在中国独立验证队列中，XGBoost模型的受试者工作特征曲线下面积达0.88；在英国生物样本库验证队列中，该模型AUC为0.85，表明其具有良好的区分能力（图2）。

图2 机器学习模型在CKD人群的预测性能

进一步，研究团队将该模型部署为开放的网页工具，支持临床医生快速获取个体化的心衰风险评估结果。该工具可作为辅助决策的有效参考，有助于推动风险分层管理在临床实践中的落地应用（图3）。

图3 基于XGBoost模型的网页计算器示意图

通过SHAP分析进一步识别关键预测因子，结果提示NT-proBNP是CKD患者心衰发生的重要预测指标。基于此，团队进一步探讨了NT-proBNP在CKD人群心衰预测中的价值（图4），相关成果发表在《Heart》杂志，题为《Determining kidney function-specific thresholds for N-terminal pro-B-type natriuretic peptide in heart failure risk prediction among patients with chronic kidney disease: a multicentre, observational, cohort study》。

图4 肾功能校正的NT-proBNP预测慢性肾脏病人群心衰风险研究

NT-proBNP是经典的心衰生物标志物，但其水平受肾功能干扰，在CKD人群中直接使用传统截断值易导致误判。本研究首次建立了CKD分期特异的NT-proBNP心衰预测截断值，结果显示其预测性能优于传统阈值，其对CKD人群的心衰预测性能提升幅度可达19%-55%，更具临床适用性（图5）。

图5 评估和比较统一及肾功能校正NT-proBNP截断值预测心衰性能

CKD患者肾功能进展风险高，传统标志物如NGAL、KIM-1、胱抑素C及血压、血糖等难以完全解释其进展异质性。心肾综合征理论强调心肾交互在疾病进展中的作用，NT-proBNP作为反映心脏负荷与损伤的敏感指标，或可作为体现心肾交互的评估肾功能进展风险的标志物，用于肾功能进展风险评估。为此，团队在《Clinical Kidney Journal》发表了题为《N-terminal pro-B-type natriuretic peptide, eGFR, and progression of kidney disease in chronic kidney disease patients without heart failure》的研究（图6）。

图6 NT-proBNP预测慢性肾脏病人群肾功能进展风险研究

该研究在排除心衰、控制多种混杂因素后证实，在CKD 1–3期患者中，NT-proBNP是肾功能进展的独立预测因子，提示即使在未合并心衰的早期CKD患者中，检测NT-proBNP仍有助于识别肾功能快速进展的高危人群，优化风险分层与管理策略（图7）。

图7 NT-proBNP与慢性肾脏病1-3期人群肾功能进展风险的关联

综上，第三附属医院肾病内科开展的系列研究构建了适用于CKD人群的心衰预测机器学习模型，在中国及UKB外部验证人群中性能优异，并实现工具化以支持临床决策；同时，拓展了NT-proBNP在CKD患者心肾综合风险评估中的应用价值，为心肾交互这一临床现象提供了理论依据。