机器学习可以预测儿科胆固醇结石病:一项西方儿科外科研究联盟的回顾性研究

科学领域:

• 儿科胃肠病学 儿科胃肠病学
• 计算医学是一种计算医学.
• 医疗信息学 医疗信息学

背景情况:

• 儿科胆道胆病,或常见的胆道结石,带来了诊断上的挑战.
• 准确的预测对于儿童的及时干预和管理至关重要.

研究的目的:

• 开发和验证用于预测儿科胆道胆病的机器学习算法.
• 确定关键的临床因素,准确预测儿童中常见胆道结石的存在.

主要方法:

• 一项多中心回顾性队列研究,涉及1597名接受胆囊切除术的儿科患者.
• 使用了Extra-Trees机器学习算法,对临床,实验室和超声数据进行k倍交叉验证.
• 模型性能使用接收器操作特征曲线 (AUC) 下的面积进行评估.

主要成果:

• 在18.8%的患者中确诊了胆固醇结石病.
• 关键预测因素包括超声波上常见的胆管结石,常见胆管直径增加,肝酶和胆红素水平升高.
• 一个由9个特征组成的模型实现了高预测性能,AUC为0.935.

结论:

• 机器学习有效地使用现有的临床数据预测儿科胆固醇病.
• 开发的模型识别了高风险的儿童,有助于临床决策.
• 这种方法可以提高儿科患者常见胆道结石的诊断准确度.