使用多个机器学习算法对脊髓结核患者脊髓损伤的预测模型:一个多中心研究
Sitan Feng1, Shujiang Wang2, Chong Liu1
1Department of Spine and Osteopathy Ward, The First Affiliated Hospital of Guangxi Medical University, Nanning, Guangxi, People's Republic of China.
Scientific reports
|April 2, 2024
概括
这项研究确定了在脊髓结核 (STB) 患者中预测脊髓损伤 (SCI) 的关键因素. 使用随机森林的机器学习模型有效预测SCI风险,帮助早期干预.
科学领域:
- 脊髓损伤研究研究脊髓损伤研究
- 机器学习在医学中的应用
- 结核病并发症 结核病并发症
背景情况:
- 脊髓损伤 (SCI) 是脊髓结核病 (STB) 的严重并发症,可能导致.
- 在STB患者中早期发现SCI风险对于及时干预至关重要.
研究的目的:
- 在STB患者中确定与SCI相关的临床因素.
- 开发和验证SCI在STB患者中的预测模型.
主要方法:
- 利用机器学习算法,包括随机森林 (RF),来构建预测模型.
- 使用ROC曲线,AUC,校准,DCA和PR曲线评估模型性能.
- 在外部前队列上验证了最佳模型,并通过Web应用程序部署了它.
主要成果:
- 射频模型在测试组中实现了0.816的AUC.
- MONO (单细胞计数) 被确定为STB患者SCI的主要预测因子.
- 该模型结合了十个临床特征进行预测.
结论:
- 开发的RF预测模型提供了一种高效快速的方法,用于预测STB患者的SCI风险.
- 这个工具可以帮助临床医生识别高风险个体进行主动管理.
