一个机器学习模型,预测需要转换的手术方法在接受瘤科切除术的患者

科学领域:

• 结肠直肠手术 结肠直肠手术
• 手术瘤学手术瘤学
• 机器学习在医学中的应用

背景情况:

• 从腹腔镜切除术转换为开放式切除术与增加的发病率,死亡率和住院时间有关.
• 这表明,一些患者可能会从最初的开放性手术方法中受益.

研究的目的:

• 开发一种预测模型,用于识别需要从微创切除术转换为开放切除术的患者.
• 使用机器学习算法来预测转化概率.

主要方法:

• 美国外科医生学院国家外科质量改进计划 (ACS NSQIP) 数据库 (2014-2019) 的分析.
• 包括针对结直肠瘤的选择性切除术病例,比较微创和转换方法.
• 开发和验证两个模型:加权后勤回归与规范化和随机森林分类器.
• 数据分为培训 (70%) 和测试 (30%) 队列,用于绩效评估.

主要成果:

• 总共分析了24,327例胆管切除术病例 (17,028例培训,7,299例检测).
• 预测模型在测试队列中获得了中等准确性 (0.65-0.70) 和0.62-0.63的c指数.
• 该模型显示了高负的预测值,但低的转换的积极预测值.

结论:

• 开发的机器学习模型可以以95%的准确度预测,使用最少的侵入性方法是否可以完成瘤的切除术.
• 这种工具可以帮助外科医生在术前规划期间确认最少侵入性方法的适用性.