基于机器学习技术的患者分类和属性评估,用于对上腺瘤进行手术治疗的合格过程
Marta Wielogórska-Partyka1, Marcin Adamski2, Katarzyna Siewko1
1Department of Endocrinology, Diabetology and Internal Medicine, Medical University of Bialystok, Bialystok, Poland.
Scientific reports
|May 16, 2024
概括
机器学习 (ML) 准确地识别了需要为上腺瘤进行上腺切除术的患者. 支持的矢量机实现了91%的准确性,简化了这种常见的临床挑战的手术决策.
科学领域:
- 内分泌学 在内分泌学.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 上腺突发瘤是计算机断层扫描中的常见发现.
- 确定需要进行外科手术 (上腺切除术) 是一个临床挑战.
- 精确的患者选择至关重要,以避免不必要的手术.
研究的目的:
- 为了比较机器学习 (ML) 技术在选择患者进行上腺切除术时的有效性.
- 为此目的确定最准确的ML算法.
- 评估不同临床特征对分类准确性的重要性.
主要方法:
- 分析了33名接受上腺切除术的患者的临床数据.
- 机器学习模型经过训练,并根据其预测外科手术必要性的能力进行评估.
- 使用统计分析来比较模型性能和属性显著性.
主要成果:
- 组织病理学确认确定了21名患者被正确选择进行手术 (64%的准确率).
- 支持的矢量机器 (线性模型) 与基线相比,实现了显著更高的准确性 (91%).
- 瘤成像特征被确定为分类最关键的属性.
结论:
- 机器学习方法在改善上腺切除术患者选择的准确性方面表现有前途.
- 支持的矢量机器在分类患者进行上腺切除术方面表现出卓越的性能.
- 图像特征在对上腺意外瘤的基于ML的决策中发挥着重要作用.
