开发机器学习模型,以预测脊髓转移手术后的行走结果

科学领域:

• 脊柱瘤学 脊柱瘤学
• 机器学习在医学中的应用
• 手术预测结果的预测.

背景情况:

• 在脊髓转移手术后预测术后行走是具有挑战性的.
• 准确的预测有助于管理决策和设定现实的患者目标.

研究的目的:

• 开发和评估机器学习算法,用于预测脊髓转移手术后的行走结果.
• 为了确定最有效的算法来预测90天和180天的门诊状态.

主要方法:

• 对167名接受脊髓转移手术的患者进行了回顾性队列研究.
• 开发了13个机器学习算法,以预测90天和180天的门诊状态.
• 模型性能使用接收器运行特征曲线 (AUC) 下的面积和F1分数进行评估.

主要成果:

• 140名患者 (81.9%) 在90天后是门诊的,而137名 (82.0%) 在180天后是门诊的.
• 极端梯度增强实现了180天预测的最高准确性 (AUC:0.85,F1得分:0.90).
• 决策树算法证明了90天预测的最高准确性 (AUC:0.94,F1得分:0.88).

结论:

• 机器学习算法是预测脊髓转移患者手术后行走的有效工具.
• 极端梯度提升和决策树算法是最准确的预测器,分别为180天和90天的门诊状态.