基于放射学和临床信息的新生儿死性肠球炎的外科预测
Yongteng Li1, Kai Wu1, Huirong Yang1
1Department of Pediatric Surgery, Zhujiang Hospital, Southern Medical University, Guangzhou, 510282, Guangdong, China.
Abdominal radiology (New York)
|January 29, 2024
概括
腹部放射图的放射学分析有助于在新生儿死性肠球炎 (NEC) 中进行手术决策,当症状不清楚时. 结合放射学和临床数据的联合模型显著改善了对新生儿的外科风险预测.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 新生儿手术 新生儿手术
背景情况:
- 新生儿死性肠球炎 (NEC) 带来了重大的外科手术挑战.
- 腹部放射 (AR) 对于诊断NEC至关重要,但手术指示可能是模两可的.
- 需要预测模型来指导NEC病例的及时手术干预.
研究的目的:
- 评估放射学在NEC手术决策中的预测能力.
- 确定放射学是否可以在ARs缺乏明确的外科指标的情况下提供帮助.
主要方法:
- 对171名NEC新生儿的AR和临床数据的回顾性分析.
- 使用临床特征,放射性特征和组合特征开发机器学习模型.
- 通过ROC分析,AUC比较和决策曲线分析 (DCA) 进行性能评估.
主要成果:
- 临床和个人放射性模型之间没有显著的AUC差异.
- XGBoost联合模型显示出卓越的预测效率和稳定性 (AUC测试组:0.959).
- 联合模型显示AUC明显高于临床模型,并提供了更大的净临床益处.
结论:
- 来自AR的放射性特征是客观和可重现的预测因素.
- 综合放射性和临床数据的联合模型增强了对NEC新生儿的外科风险评估.
- 这种方法可以帮助初级新生儿外科医生管理NEC手术风险.
