スタリオンにおけるオーキエクトミー後の重症合併症の予測のための説明可能な機械学習コンピューティングモデルの開発

科学分野:

• 獣医医学 獣医医学は,獣医医学というものです.
• 医療における機械学習
• 外科手術の結果の予測

背景:

• 馬のオーキエクトミー (equine orchiectomy) は,馬馬に共通する手術である.
• 重度の術後の合併症が発生し,馬の福祉に影響を与える可能性があります.
• 術後の管理を改善するために,予測ツールが必要です.

研究 の 目的:

• エコイン・オーキエクトミー後の重症合併症を予測するための監督機械学習モデルを開発・評価する.
• 合併症の発生に影響を与える重要な要因を特定する.
• 臨床意思決定におけるコンピューティングモデルの有用性を評価する.

主な方法:

• 612匹の馬のオーキエクトミー症例のデータセットを利用した.
• 監督された機械学習アルゴリズムを3つ採用した: ロジスティック回帰, ランダムフォレスト, グラデーションブースト.
• 正確さ,精度,リコールなどの差別測定法を用いてモデルのパフォーマンスを評価します.

主要な成果:

• ロジスティック回帰は,精度 (0.9134),精度 (0.8391),リコール (0.9133) で最高の予測パフォーマンスを示しました.
• 馬の年齢と手術技術は,すべてのモデルで合併症の予測で最も影響力のある変数として特定されました.
• 重篤な合併症は8.5%の症例で発生し,コリック,継続的な馬のような行動,内臓切開,炎,出血,および胞の感染症を含む.

結論:

• 監督された機械学習モデル,特にロジスティック・リグレッションは,エコーイン・オーキエクトミー後の重篤な合併症を予測する大きな可能性を示しています.
• 馬の年齢と手術のテクニックは,リスク評価に考慮すべき重要な要因です.
• 計算モデルは,馬の手術前ケアにおける獣医臨床決定を支援する貴重な補助ツールとして役立つ.