基于机器学习的手术前分析,用于预测结直肠外科手术中的门泄漏:瑞士试点研究

科学领域:

• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学
• 预测分析是一种预测分析.

背景情况:

• 肠道漏 (AL) 是结直肠手术后的一种严重并发症.
• 解位上的缺陷会导致AL.
• 在手术前预测AL对于患者的结果至关重要.

研究的目的:

• 评估机器学习 (ML) 算法的可行性,以预测AL.
• 用手术前的数据来预测AL.
• 确定患者相关的AL风险因素.

主要方法:

• 对来自四家瑞士医院的1244名患者的数据进行了回顾性分析.
• 应用ML算法 (随机森林,物流回归) 进行二进制分类.
• 五倍交叉验证和外部验证使用持久测试套件.

主要成果:

• 随机森林模型在内部实现了0.78的AUC-ROC,在外部下降到0.60.
• 物流回归显示出更一致的AUC-ROC值 (0.69内部,0.61外部).
• 确定了十个患者相关的AL风险因素.

结论:

• ML模型在预测AL后结肠直肠手术方面表现有前途.
• 外部验证和更大的样本大小对于强大的ML模型至关重要.
• 这些发现支持开发ML工具以改善外科手术结果.