摘要目的:开发并验证一个基于随机森林算法的预测模型,用于评估多发性骨髓瘤(MM)患者发生急性肾损伤的风险,并探究其在临床实践中的应用价值.方法:本研究回顾性纳入2021 年7 月至2024 年9 月期间于本院确诊并收治的217 例初发MM患者作为研究对象,并收集其临床资料和患者住院期间的肾功能检测结果.根据患者住院期间的首次肾功能监测结果,以是否发生急性肾损伤(AKI)作为分组标准,将全部患者分为AKI组(n=87)和非AKI组(n=130).采用多因素Logistic回归分析和随机森林算法分别构建预测MM患者发生AKI的两个预测模型;采用受试者工作特征(ROC)曲线和决策曲线分析(DCA)评估两个预测模型的预测效能和临床适用性.结果:单因素分析结果显示,两组患者身体质量指数(BMI)、饮酒史、吸烟史、高血压史、脑血管病、慢性肝病、MM分型、总胆固醇(TC)、血钙(Ca)、血清C反应蛋白(CRP)水平差异均无统计学意义(均P>0.05).性别、年龄、糖尿病史、血免疫球蛋白轻链κ/λ值、ISS分期、化疗方案以及血红蛋白(Hb)、血清白蛋白(ALB)、乳酸脱氢酶(LDH)、血尿酸(UA)、血清 β2 微球蛋白(β2-MG)、尿轻链(ULC)水平差异均具有统计学意义(P<0.05).多因素Logistic回归结果显示,年龄、化疗方案、LDH、UA、ULC均为MM患者发生AKI的独立危险因素(P<0.05),ALB则为MM患者发生AKI的独立保护因素(P<0.05).基于Logistic回归分析结果构建随机森林模型,其预测MM患者发生AKI的曲线下面积(AUC)为0.784,Logistic回归模型的AUC为0.613,随机森林模型的诊断效能明显优于Logistic回归模型的诊断效能(Z=3.375,P<0.05).此外,DCA分析结果证实,随机森林模型相较于Logistic回归模型能够提供更高的临床净获益.结论:本研究开发的基于随机森林算法的预测模型在预测MM患者AKI风险方面显示出比传统Logistic回归模型更高的诊断效能和临床净获益,具有重要的临床应用价值.