机器学习可以在心脏手术中提供外体循环后生物血静的术前预测吗?
Vittorio Perduca1, Olivier Bouaziz1, Kostantinos Zannis2
1Université Paris Cité, CNRS, MAP5, Paris, France.
The Journal of thoracic and cardiovascular surgery
|November 6, 2023
概括
机器学习模型准确地预测心脏手术患者的前热血素比率和纤维素素水平,帮助进行输血决策. 虽然对于血小板计数的准确性较低,但这些模型为麻醉科医生提供了潜在的决策支持.
科学领域:
- 心血管外科心血管外科
- 医疗信息学 医疗信息学
- 血液学 血液学 血液学
背景情况:
- 心脏外科手术中的输血决定会影响患者的治疗结果.
- 准确预测凝血参数对于体外循环后的血液循环至关重要.
研究的目的:
- 开发机器学习 (ML) 模型,用于预测血小板数量,血红蛋白比率和纤维素原水平的变化.
- 改善心脏手术后输血血液产品的临床决策.
主要方法:
- 训练并测试了137个ML算法,包括超级学习组合方法.
- 将ML模型性能与多变量线性回归进行比较.
- 在潜在患者数据 (n=598) 上使用根平均平方误差 (RMSE) 评估的算法.
主要成果:
- 在ML模型中,血小板计数达到38.27 × 10^9/L的RMSE,前列血比为8.66%,纤维素原为0.44 g/L.
- 线性模型表现出与ML算法可比的性能.
结论:
- ML模型准确地预测心脏手术后的前热血素比率和纤维素素水平.
- 模型对血小板计数预测的准确性较低.
- 开发出来的模型可以作为麻醉师的决策支持工具,为进一步的临床试验提供保证.
