基于放射学的机器学习模型的开发和验证,以解决 retroperitoneal 腹腔镜上腺切除术的难度
Shiwei Sun1, Wei Yao1, Yue Wang1
1Third Hospital of Shanxi Medical University, Shanxi Bethune Hospital, Shanxi Academy of Medical Sciences, Tongji Shanxi Hospital, Taiyuan, China.
Frontiers in endocrinology
|November 30, 2023
概括
机器学习模型使用临床和放射性数据预测 retroperitoneal laparoscopic adrenalectomy 的难度. 这些模型有助于外科医生评估手术挑战,降低风险并改善患者的治疗结果.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 手术瘤学手术瘤学
- 医疗成像医学成像
背景情况:
- 逆腹腔皮质腹腔镜上腺切除术 (RPLA) 是一个复杂的程序.
- 预测手术困难对于患者的安全和结果至关重要.
研究的目的:
- 开发和验证用于预测RPLA难度的机器学习 (ML) 模型.
- 整合临床和放射性特征,以提高预测准确度.
主要方法:
- 来自117多名接受RPLA治疗的患者的回顾性和前性数据.
- 使用3D切片器和Python提取放射性特征;通过LASSO选择特征.
- 使用培训,验证和潜在集的ML模型 (例如RF,xGBoost) 的构建和验证.
- SHAP分析以确定变量的重要性.
主要成果:
- 射频模型表现出稳定的预测性能;xGBoost显示出显著的患者益处.
- 在这两种模型中,放射学分数 (Rad-score) 是影响最大的变量.
- 包括血红蛋白,年龄,BMI,性别和糖尿病在内的临床因素也影响了预测的难度.
结论:
- 结合临床和放射性数据的ML模型有效预测RPLA难度.
- 这些预测工具可以帮助外科医生进行手术规划和风险评估.
- 更好地预测手术难度可以降低风险,并为患者带来更好的好处.
