使用人工智能预测完整通道壁乳房切除术后听力预后与耳膜整形术的预测
Sung Jin Lim1, Eun-Tae Jeon2, Namyoung Baek3
1Department of Otorhinolaryngology-Head and Neck Surgery, Ansan Hospital, Korea University College of Medicine, Ansan, Republic of Korea.
概括
机器学习模型有效地预测完整的通道壁乳房切除术后的听力结果. 手术前的听力状况成为影响成功手术结果的最重要因素.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗人工智能 医疗人工智能
- 手术结果研究研究.
背景情况:
- 慢性中耳炎 (COM) 通常需要手术干预,例如完整的通道壁 (ICW) tympanomastoidectomy.
- 在COM手术后预测听力结果对于患者管理和咨询至关重要.
- 人工智能 (AI) 在预测耳外科手术成功方面的作用是一个新兴的研究领域.
研究的目的:
- 评估机器学习 (ML) 模型在预测ICW术后耳切除术后听力结果方面的性能.
- 为了确定影响这种外科手术后听力结果的关键预后因素.
- 为了比较不同的人工智能模型对外科手术成功的预测能力.
主要方法:
- 一项回顾性横截面研究,涉及484名接受ICW tympanomastoidectomy的COM患者.
- 术后的气骨间隙 (ABG) ≤20dB和/或空气导通 (AC) 改善 ≥15dB定义的听力成功.
- 光梯度增强机 (LightGBM) 和多层感知子 (MLP) 模型使用接收器操作特征曲线 (AUROC) 下的面积进行评估.
主要成果:
- 根据ABG标准,LightGBM模型在预测听力成功时显示出明显更高的AUROC (0.811).
- 在通过交流变化评估听力改善时,MLP模型也显示了显著更高的AUROC (0.795).
- 术前听力状况被确定为影响术后听力结果的最有影响的因素.
结论:
- 人工智能模型,特别是LightGBM和MLP,在预测ICW tympanoplasty后的听力结果方面表现有希望.
- 手术前的听力状况是术后听力康复成功的关键决定因素.
- 这些发现为临床医生管理为COM进行 tympanomastoidectomy的患者提供了宝贵的见解.
