机器学习预测模型的开发和验证,用于心脏外科手术中的术后红细胞输血
Qian Li1, Hong Lv1, Yuye Chen1
1Department of Anesthesiology, Fuwai Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College/National Center for Cardiovascular Diseases, Beijing 100037, China.
International journal of medical informatics
|January 29, 2024
概括
机器学习模型,特别是CatboostClassifier和RandomForestClassifier,准确地预测心脏手术患者的红细胞输血风险. 这些模型显示出强大的可通用性和临床适用性,用于改进输血策略.
科学领域:
- 心血管外科心血管外科
- 机器学习应用 机器学习应用
- 输血医学 输血医学
背景情况:
- 现有的机器学习 (ML) 模型用于心脏外科手术中的外科手术期间红细胞 (RBC) 输血风险,缺乏通用性和外部验证.
- 需要强大的ML模型来准确预测RBC输血需求在接受心脏手术和心肺旁路 (CPB) 的患者中.
研究的目的:
- 开发和全面外部验证ML模型,以估计心脏手术患者的红细胞输血风险.
- 为了比较各种ML模型在预测红细胞输血需求方面的性能.
主要方法:
- 一项多中心临床试验 (NCT03782350) 的回顾性分析,该试验涉及中国四个心脏中心的患者和MIMIC-IV数据集.
- 使用Fuwai医院的数据开发一个个性化的红细胞输血预测模型.
- 开发模型的外部验证使用来自三个额外中心的数据和MIMIC-IV数据集,构建12个ML模型.
主要成果:
- 共有11,201名患者被纳入模型开发和外部验证.
- 与物流回归相比,CatboostClassifier和RandomForestClassifier模型表现出优异的性能,在外部和MIMIC-IV数据集中具有出色的区分和校准.
- 低手术前血红蛋白,低体重指数,晚年和女性性别等因素被确定为增加红细胞输血风险.
结论:
- 机器学习算法,特别是CatboostClassifier和RandomForestClassifier,已经得到了可靠的验证,用于预测RBC输血风险在CPB的各种心血管手术中.
- 这些ML模型具有强大的外部临床适用性和在临床实践中广泛采用的潜力.
- 该研究强调了基于ML的方法在提高输血风险预测方面的有效性和实际价值.
