开发机器学习模型,预测肺移植后的初级移植功能障碍
Andrew P Michelson1, Inez Oh2, Aditi Gupta3
1Division of Pulmonary and Critical Care Medicine, Department of Medicine, Washington University School of Medicine, Saint Louis, Missouri, USA; Institute for Informatics, Washington University School of Medicine, Saint Louis, Missouri, USA.
概括
机器学习模型可以预测肺移植接受者的初级移植功能障碍 (PGD) 风险. 这种工具有助于临床医生做出接受捐赠者的决定,有可能改善结果和器官利用率.
科学领域:
- 心脏病学 心脏病学
- 肺部医学 肺部医学
- 移植手术 移植手术
背景情况:
- 主要移植功能障碍 (PGD) 是肺移植后死亡的主要原因.
- 由于复杂的捐赠者/接受者因子相互作用,预测PGD风险具有挑战性.
- 目前的方法对于接受捐赠者的决定缺乏明确性.
研究的目的:
- 开发和评估用于预测PGD 3年级的机器学习 (ML) 模型.
- 为了确定在接受捐赠者报价时可用的预测变量.
- 为了改善捐赠者-接受者匹配和器官利用.
主要方法:
- 对576名双边肺接受者的回顾性队列研究.
- 使用拉索回归来选择11个关键预测变量.
- 开发并验证了一个K-最近邻居 (KNN) ML模型.
主要成果:
- 30% (173/576) 的接受者发展了PGD 3级.
- 在KNN模型中,AUC达到0.65.
- ML模型表现出良好的校准和性能.
结论:
- 机器学习模型可以使用移植前数据预测PGD 3级风险.
- 这种预测能力可以为接受捐赠者的决定提供信息.
- ML对优化肺移植结果充满希望.
