使用机器学习方法预测食道切除术后的术后并发症

科学领域:

• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学
• 医疗保健中的机器学习

背景情况:

• 消化管切除术具有高风险的术后并发症.
• 准确预测这些并发症对于患者管理至关重要.
• 现有的风险评分可能无法完全捕捉患者特定的风险.

研究的目的:

• 应用和比较各种机器学习算法,用于预测经食道切除术后的术后并发症 (Clavien-Dindo等级IIIa或更高).
• 根据当前的风险评分来评估机器学习模型的性能.

主要方法:

• 对于因食道或胃食道结癌而接受艾弗·易斯食道切除术的患者 (2016-2021) 的回顾性分析.
• 逻辑回归,随机森林,k-最近邻居,支持向量机器和神经网络算法的比较.
• 使用准确度和曲线下面积的性能评估,与科隆风险评分相比.

主要成果:

• 神经网络实现了预测Clavien-Dindo IIIa级或更高并发症的最高整体准确率 (0.688).
• 神经网络还在预测医疗 (0.692) 和手术 (0.667) 并发症方面表现出卓越的表现.
• 神经网络在曲线下的面积为0.672严重并发症,0.695医疗并发症和0.653手术并发症.

结论:

• 机器学习,特别是神经网络,为预测食道切除术后的术后并发症提供了一种强大的方法.
• 开发的神经网络模型表现优于其他测试的算法和科隆风险评分.
• 这些发现表明,有可能改善风险分层和个性化患者护理.