机器学习网络应用程序用于预测在住院康复后创伤性脊髓损伤患者的功能结果
Satoshi Maki1,2, Takeo Furuya1, Takaki Inoue1
1Department of Orthopedic Surgery, Graduate School of Medicine, Chiba University, Chiba, Japan.
Journal of neurotrauma
|November 2, 2023
概括
机器学习模型准确地预测脊髓损伤 (SCI) 患者的功能行走和运动分数. 这些模型在Web应用程序中部署,有助于设定现实的恢复目标并改善患者护理.
科学领域:
- 康复医学 康复医学 康复医学
- 生物医学信息学 生物医学信息学
- 医疗保健中的机器学习
背景情况:
- 对于脊髓损伤 (SCI) 患者来说,准确预测功能结果至关重要,以设定现实的恢复目标.
- 改善放电后的家庭环境需要可靠的功能结果预测.
研究的目的:
- 开发和验证机器学习 (ML) 模型,以预测SCI患者的功能结果.
- 将这些预测性ML模型部署到一个可访问的Web应用程序中,供临床使用.
主要方法:
- 利用来自日本康复协会数据库 (1991-2015) 的数据.
- 采用二元分类和回归模型 (CatBoost) 来预测功能行走和运动FIM分数.
- 在持有测试数据集上验证模型性能.
主要成果:
- 在训练和测试数据集中,CatBoost模型表现出强大的预测性能.
- CatBoost分类器在功能性行走预测方面获得了0.8572的AUC.
- CatBoost回归器实现了总电机FIM得分预测的R2为0.7859.
结论:
- 开发的ML模型有效地预测SCI患者的功能结果.
- 这些模型已经成功地部署在一个开放式访问的Web应用程序中,用于实际应用.
- 这个工具可以帮助临床医生管理患者的期望和计划康复.
