机器学习方法用于选耳植入候选人:与60/60指南进行比较
Ankita Patro1, Elizabeth L Perkins1, Carlos A Ortega2
1Department of Otolaryngology-Head and Neck Surgery, Vanderbilt University Medical Center.
概括
一个新的机器学习模型准确地识别了耳植入候选人,超过了传统的60/60指南. 这种人工智能工具在耳植入物评估中为患者选择提供了更好的灵敏度和特异性.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗保健中的机器学习
- 听力学 听力学是指听力学.
背景情况:
- 耳植入体候选人评估 (CICE) 准则对于识别合适患者至关重要.
- 广泛采用的60/60指南在准确识别所有潜在候选人方面存在局限性.
- 为CICE开发先进的工具可以优化患者选择和结果.
研究的目的:
- 开发和验证基于机器学习的CICE推指南.
- 将机器学习模型的性能与现有的60/60指南进行比较.
- 提高识别耳植入候选人的准确性和效率.
主要方法:
- 对772名接受CICE的成年患者进行了回顾性队列研究.
- 一个随机的森林分类模型被训练使用人口统计学,无助值,和词识别得分.
- 使用Bootstrap交叉验证来评估模型性能和通用性.
主要成果:
- 与60/60指南相比,机器学习模型实现了更高的灵敏度 (0.96) 和特异性 (1.00),分别为0.91和0.42.
- 随机森林模型的准确度为0.96,超过了60/60指南的0.89准确度.
- 该模型中候选人的关键预测因素包括词识别得分和特定频率的听力值.
结论:
- 一种基于机器学习的新型查模型在预测耳植入物候选人方面表现出高灵敏度,特异性和准确性.
- 该模型显示了潜在的可通用性,通过启动来确认一致的结果.
- 这种由人工智能驱动的方法为优化耳植入物推流程提供了有希望的进步.
