胸膜切除手術患者の手術中の低体温リスクに関する機械学習ベースの予測モデル: SHAP分析

科学分野:

• 医療情報学
• 腫瘍学
• 麻酔科

背景:

• 術内低体温 (IOH) は胸腔鏡による肺がん手術の際に危険性があります.
• IOHの正確な予測は,患者の安全と効果的な管理に不可欠です.

研究 の 目的:

• 胸腔鏡による肺がん手術を受ける患者のIOHに対する機械学習 (ML) ベースのリスク予測モデルを開発し,評価する.
• SHAPLEY ADDITIVE EXPLANATIONS (SHAP) を使用してMLモデルを解釈し,主要な予測特性とその貢献を特定する.

主な方法:

• 胸腔鏡による肺がん手術を受けた717人の患者の遡及分析.
• ランダムフォレスト (RF) 予測モデルの開発
• 精度,精度,リコール,F1スコア,ROC AUC,Brierスコア,および決定曲線分析 (DCA) を使用したモデル性能評価.
• 特徴の重要性と解釈性について,SHAP法が適用された.

主要な成果:

• RFモデルは,ROC AUC 0.753,F1スコア 0.80,リコール 0.87をテストセットで達成した.
• SHAP分析では,手術中の輸液量,手術期間,年齢,麻酔期間,体量指数,およびヘモグロビンがIOHのトップ6の危険因子として特定されました.
• DCAはモデルの良好な臨床実用性を確認した.

結論:

• 開発されたMLモデルは,胸腔鏡肺がん手術におけるIOHリスクを効果的に予測します.
• SHAP分析は,重要なリスク要因を強調することで,モデルの解釈性を高めます.
• このアプローチは,肺がん患者のためのパーソナライズされた 低体温予防プログラムをサポートします.