在脊髓损伤后使用整体机器学习预测功能性结果
Chihiro Kato1, Osamu Uemura2, Yasunori Sato3
1National Hospital Organization Murayama Medical Center, Tokyo, Japan; Department of Rehabilitation Medicine, Keio University School of Medicine, Tokyo, Japan.
Archives of physical medicine and rehabilitation
|September 15, 2023
概括
机器学习使用入院数据准确预测脊髓损伤 (SCI) 患者的功能结果. 该工具有助于设定康复目标和评估新治疗方法.
科学领域:
- 神经学 神经学
- 康复医学 康复医学 康复医学
- 医疗保健中的人工智能
背景情况:
- 脊髓损伤 (SCI) 在预测功能恢复方面存在重大挑战.
- 准确的预后对于定制康复策略和管理患者期望至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测SCI患者的功能结果.
- 利用康复入院时可用的功能进行早期预后.
主要方法:
- 追溯单一中心研究,涉及210名SCI患者.
- 收集的人口,伤害和功能数据 (SCIM,UEMS,LEMS).
- 设计了一个将随机森林,SVM,神经网络和渐变增强使用回归的元模型.
主要成果:
- 开发的元模型在测试组中实现了高精度,RMSE为9.7453,R2为0.8835,MAE为7.4743.
- 超级模型在预测功能结果方面表现优于个别基础ML模型.
- 关键的预测特征包括年龄,急性停留时间,UEMS,LEMS和SCIM分总分.
结论:
- 机器学习模型可以有效地预测SCI后的功能结果,使用随时可用的入学数据.
- 这种方法可以在康复计划中尽早设定目标.
- 该模型有可能用于评估再生医学等先进疗法的疗效.
