基于人工智能的算法性能,以预测头癌手术后的长时间停留时间
Andreas Vollmer1, Simon Nagler1, Marius Hörner1
1Department of Oral and Maxillofacial Plastic Surgery, University Hospital of Würzburg, 97070, Würzburg, Germany.
Heliyon
|November 6, 2023
概括
在头癌手术中预测长期停留时间 (LOS) 对资源管理至关重要. 机器学习模型确定了操作时间和淋巴结数量是延长LOS的关键预测因素,有助于优化患者护理.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 医疗保健服务研究 医疗服务研究
背景情况:
- 在头癌手术中优化医疗资源管理需要准确预测患者停留时间 (LOS).
- 长期的LOS会影响资源分配和患者的治疗结果.
- 这项研究旨在开发预测模型,以识别长期LOS风险的患者.
研究的目的:
- 开发和评估机器学习和深度学习模型,用于预测头癌手术患者的长时间停留 (LOS).
- 确定与长时间的LOS相关的关键临床和病理因素.
- 提高LOS预测的准确性,以更好地管理医疗资源.
主要方法:
- 对300名头癌手术患者 (2017-2022) 的回顾性分析.
- 长期LOS的定义是超过第75个百分点.
- 开发和比较7个机器学习和深度学习算法用于预测建模.
主要成果:
- 机器学习模型的准确性很高,随机树在训练组中达到97.92%,在测试组中达到84.14%.
- 长期LOS的关键预测因素包括手术时间,缺血时间,使用的移植,ASA得分,重症监护室停留时间和病理阶段.
- 更多的收获淋巴结 (LN) 与更大的LOS相关,长时间的LOS与复发风险增加有关,特别是提取的LN较少.
结论:
- 这项研究强调,对于那些经历长期LOS的人来说,需要对患者进行更密切的跟踪.
- 研究结果表明淋巴结产量与患者结果之间存在复杂的关系,因此需要进一步调查不必要的淋巴结剖析.
- 建议进行前性试验,以验证这些预测模型及其临床影响.
