連続した近隣の推定で複数の推定を持つ機械学習モデルは,イディオパシー突然の感覚神経性聴覚障害患者の予後を予測する

科学分野:

• 耳鼻喉科
• オーディオロギー
• 医療情報学

背景:

• Idiopathic sudden sensorineural hearing loss (ISSNHL) は 予後が変動する疾患である. 聴覚障害による突然の神経聴覚障害は 予後が変動する疾患である.
• ISSNHLの結果の正確な予測は,治療と患者の管理を導くために不可欠です.

研究 の 目的:

• ISSNHLの予後要因を調査する
• ISSNHLの予後を予測するための機械学習モデルを開発し,評価する.

主な方法:

• 標準化されたプロトコルで治療された600人のISSNHL患者の遡及分析.
• 臨床,オーディオメトリック,検査データの収集,欠陥値の複数回割り算
• 6つの機械学習分類器の評価と,モデルの解釈性に対する特徴の重要性分析.

主要な成果:

• 様々な臨床およびオーディオメトリックのパラメータにおいて,有意な予後差が観察されました.
• 機械学習による3つの分類は 強力な予測性能を示しました
• 特徴の重要性の分析により,特徴の減少後にモデル性能が安定した主要な予測要因が特定されました.

結論:

• ISSNHLの新たな予後要因は,歪曲製品によって引き起こされるオトアコースティック・エミッション・レスポンス,聴覚脳幹応答,対側聴覚の値,BMIを含む.
• 複数の推定を持つ機械学習モデルは,ISSNHLの予測に有望なアプローチを提供します.
• 臨床適用を容易にし,患者のアウトカムを改善するために,さらなる検証が推奨されます.