使用机器学习算法预测术后的最终程度和乳房挖掘的复发

科学领域:

• 胸部外科手术 胸部外科手术
• 生物医学工程 生物医学工程
• 数据科学在医学中的数据科学

背景情况:

• 在乳房挖掘 (PE) 中拔除条 (BR) 后,胸壁的重新压缩是一个复杂的问题.
• 调查这种现象是具有挑战性的,因为它的多因素性质.
• 这项研究开创了机器学习的应用,用于分析BR后的胸壁再低压.

研究的目的:

• 为了研究乳房壁在拔除棒后的乳房壁再低压.
• 使用机器学习识别复发风险因素并预测结果.
• 根据复发数据,建议最优的年龄进行微创性修复胸部挖掘 (MIRPE).

主要方法:

• 对199名接受MIRPE和BR治疗的患者进行了回顾性分析.
• 早期 (<10年) 和晚期 (≥10年) 修复组之间的胸壁再抑郁属性的比较.
• 机器学习模型的应用 (线性回归和物流回归) 用于预测和风险因素分析.

主要成果:

• 晚期修复组在MIRPE后显示出明显更高的复发率和放射性乳房指数 (RPI).
• 在BR后6个月内,RPI值显著增加,并保持在1年.
• 在MIRPE时的年龄,MIRPE前后的RPI是复发的独立风险因素.

结论:

• 机器学习算法有效地估计了PE的术后结果.
• 将机器学习与临床数据相结合,为胸部手术提供了一个有前途的方法.
• 早期修复可能与更好的长期结果有关胸壁再抑郁.