专家与机器 - - 机器学习与专家预测肝脏重大手术后结果的比较

科学领域:

• 手术预测结果的预测.
• 医疗信息学医学信息学
• 机器学习在医疗保健中的应用

背景情况:

• 机器学习 (ML) 是为分类而建立的,但其在复杂预测中的有效性仍未得到充分探索.
• 这项研究将ML与专家知情模型进行评估,以预测肝脏重大手术中的外科结果.
• 预测术后并发症对于患者管理和资源分配至关重要.

研究的目的:

• 为了比较机器学习 (ML) 模型的预测性能与外科手术结果的专家知情模型.
• 评估ML在预测大肝脏手术后术后整体发病率方面的临床相关性.
• 评估ML在具有挑战性的外科预测场景中的实用性.

主要方法:

• 分析了889名接受选择性肝脏手术 (2008-2021) 的患者的单一三级中心数据集.
• 专家知情模型使用了外科医生识别的14个参数;ML模型使用了62个手术前变量.
• 对预测3个月术后整体发病率的模型性能进行了比较,包括时间验证.

主要成果:

• 专家知情模型和ML模型都表现出显著的超低预测和高可变性的预测术后发病率.
• 机器学习模型显示,平均预测比观测值高5-10个点,具有广泛的置信区间 (-30到50).
• 对于ML模型,即使在主要肝切除患者的子组中,也没有观察到性能改善.

结论:

• 机器学习目前缺乏临床相关性,用于预测肝脏主要手术中的术后整体发病率.
• 虽然机器学习具有未来的潜力,但在这种情况下,它还不能取代已有的预测建模方法.
• 需要进一步的研究,以提高ML模型的性能和外科手术预测结果的临床适用性.