机器学习模型的开发,以预测患有慢性腹腔内血瘤的患者从手术前数据预测不良的功能结果

科学领域:

• 神经外科 神经外科
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 慢性腹膜下血腫 (CSDH) 經常導致神經衰退,需要手術疏散.
• 预测功能结果对于管理CSDH患者至关重要.

研究的目的:

• 评估机器学习 (ML) 模型在手术前预测CSDH患者的功能结果时的可行性.
• 评估ML模型在预测手术后不良结果方面的表现.

主要方法:

• 来自两个机构的回顾性数据收集用于内部和外部验证.
• 使用了四种ML算法 (逻辑回归,SVM,随机森林,光梯度增强机).
• 功能不良的结果被定义为修改后的兰金尺度3-6分的分数.

主要成果:

• 在内部 (ROC-AUC:0.906-0.925) 和外部 (ROC-AUC:0.833-0.860) 验证队列中,ML模型表现出高的预测性能.
• 在外部验证中,SVM模型实现了最高的ROC-AUC (0.860) 和精度 (0.919).
• 所有模型都显示出预测患者结果的巨大潜力.

结论:

• 机器学习算法显示,在接受洞手术的CSDH患者中,预测不良结果是有前途的.
• 使用ML进行手术前预测可以帮助手术决策和CSDH患者管理.