开发一种机器学习算法,以预测患有关节瘤的患者手术后神经并发症的可能性
Ruilin Li1, Zhanhang Zheng1, Lianzhao Yang1
1Guangxi University of Chinese Medicine, Nanning, Guangxi, China.
Ear, nose, & throat journal
|May 28, 2024
概括
这项研究开发了一种机器学习模型,用于预测状腺瘤手术后面部神经损伤. 该模型准确预测风险,帮助进行手术前评估并改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 口腔瘤带来了手术风险,包括面部神经损伤.
- 术后面部神经功能障碍的准确预测对于患者管理至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测状瘤手术患者的面部神经损伤风险.
- 确定手术后面部神经功能障碍的关键预测因素.
主要方法:
- 从403名乳头瘤患者 (2013-2023) 进行了回顾性数据收集.
- 使用了五种ML技术:物流回归 (Logit),随机森林 (RF),XGBoost (XGB),人工神经网络 (ANN) 和支持矢量机器 (SVM).
- 双项-LASSO回归选的预测变量.
主要成果:
- 确定了8个关键的预测变量:瘤类型,疼痛,外科医生经验,体积,基因细胞百分比,红细胞计数,PTT和PT.
- ANN和Logit模型实现了最高的曲线下面积 (AUC) 0.829.
- ANN和Logit的AUC明显优于SVM (0.724) 和可比于RF和XGB.
结论:
- 机器学习模型可以准确地预测面部神经损伤风险,口腔瘤手术后的风险.
- 开发的模型有助于临床医生进行手术前风险评估.
- 这种工具可以优化术后护理,提高患者的生活质量.
