使用机器学习来选择乳腺植入物体体积和体积

科学领域:

• 整形外科 整形外科 整形外科
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 乳腺增大手术依赖于主观的植入物大小选择,往往导致患者不满.
• 准确的乳房植入物大小测量对于成功的手术结果和患者满意度至关重要.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于预测乳房植入物在增大手术中的最佳尺寸.
• 通过提供客观的,数据驱动的植入物大小建议来增强乳房增大方面的决策.

主要方法:

• 一个受监督的ML模型使用1000名乳腺增大患者的数据进行训练.
• 数据包括患者的人口统计学,病史和外科医生偏好来预测植入物大小.

主要成果:

• ML模型在预测乳腺植入物大小方面取得了很高的准确性,Pearson相关系数为0.9335 (P < 0.001).
• 预测在86%的病例中是准确的,平均绝对误差为27.10毫升.
• 在重新手术队列中,63%的患者可以从模型建议的更合适的植入物大小中受益,从而有可能避免修复手术.

结论:

• 机器学习提供了一种可靠的方法,用于准确预测乳房植入物大小在增大手术.
• 将这种AI模型集成到决策支持系统中可以指导外科医生和患者,简化选择并提高满意度.
• 这种数据驱动的方法增强了沟通和决策,从而带来更好的外科结果和更高的患者满意度.