相关实验视频
Updated: Jul 9, 2025
05:37
An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
2.1K
pituitary手术临床预测模型的开发和外部验证
Olivier Zanier1, Matteo Zoli2,3, Victor E Staartjes1
1Machine Intelligence in Clinical Neuroscience (MICN) Laboratory, Department of Neurosurgery, Clinical Neuroscience Center, University Hospital Zurich, University of Zurich, Zurich, Switzerland.
Brain & spine
|November 29, 2023
概括
机器学习模型准确地预测了垂体腺瘤 (PA) 患者的手术结果. 这些模型使用了手术前的数据,帮助个性化手术策略进行总体切除 (GTR),生化缓解 (BR) 和改善垂体功能 (IMP).
科学领域:
- 神经外科 神经外科
- 内分泌学 在内分泌学.
- 医疗人工智能 医疗人工智能
背景情况:
- 垂体腺瘤 (PA) 切除的目标是总体切除 (GTR),生化缓解 (BR) 和改善垂体功能 (IMP).
- 在手术前预测这些结果可以提高患者的护理和个性化治疗策略.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测PA手术中的GTR,BR和IMP.
- 用简单的,手术前可用的数据进行预测建模.
主要方法:
- 开发了ML模型,使用1203名在意大利博洛尼亚接受PAs内透膜外科手术的患者的数据.
- 外部验证是在瑞士苏黎世的206名患者的单独队列中进行的.
主要成果:
- 模型表现出良好的概括性,在外部验证时AUC为GTR的0.72,BR的0.69和IMP的0.82.
- 该研究在58.7%的外部验证队列中实现了GTR,22.3%的BR和20.4%的IMP.
结论:
- 机器学习模型显示了在垂体腺瘤手术中预测关键结果的潜力.
- 这些预测能力可以支持为个别患者量身定制的手术方法.
