使用机器学习算法预测结直肠癌严重病情的老年患者的28天死亡率
Chunxia Guo1, Jun Pan2, Shan Tian1
1Department of Infectious Disease, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430022, China.
The Journal of international medical research
|November 11, 2023
概括
机器学习模型准确地预测了重症监护中的老年结肠直肠癌 (CRC) 患者的28天死亡率. 整体模型显示了最高的预测性能,验证了AI在CRC患者的重症监护中的使用.
科学领域:
- 关键护理医学 关键护理医学
- 在瘤学瘤学.
- 数据科学与机器学习
背景情况:
- 入住重症监护室 (ICU) 的结直肠癌 (CRC) 的老年患者死亡风险很高.
- 准确预测28天死亡率对于及时干预和在重症监护机构的资源分配至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测患有CRC的重症老年患者的28天死亡率.
- 为了比较五个ML算法的性能 (LightGBM,决策树,XGBoost,随机森林,集合模型) 与后勤回归.
主要方法:
- 来自eICU协作研究数据库 (eICU-CRD) 的数据用于培训,与密集护理-IV (MIMIC-IV) 医疗信息中心和武汉联合医院的验证队伍一起.
- 收集了包括人口统计,实验室测试和生命体征在内的临床数据.
- 应用了六种模型 (五种ML算法和逻辑回归) 来预测28天死亡率.
主要成果:
- 这项研究包括693名来自eICU的患者,181名来自MIMIC-IV的患者和95名来自武汉工会的患者.
- 整体模型在训练队列中实现了0.86的曲线下的最高面积 (AUC),其次是随机森林 (0.83) 和LightGBM (0.82).
- 所有模型在验证队列中都表现出良好的预测性能.
结论:
- 机器学习算法是预测结直肠癌严重病情的老年患者28天死亡率的有效工具.
- 开发的ML模型可以帮助临床医生对这种脆弱的患者群体进行风险分层和管理决策.
