通过机器学习建立一个风险预测模型,通过机器学习在患有过鼻垂体瘤的患者中预测嗅觉障碍的风险

科学领域:

• 神经外科 神经外科
• 眼科医生 眼科 眼科
• 机器学习在医学中的应用

背景情况:

• 嗅觉功能障碍是经过鼻腔细胞垂体瘤切除后的常见并发症.
• 术后嗅觉功能障碍的准确预测对于患者的管理和干预至关重要.
• 机器学习算法为开发复杂外科手术结果的预测模型提供了潜力.

研究的目的:

• 开发和评估机器学习模型,用于预测经过鼻腔细胞垂体瘤切除后的嗅觉功能障碍.
• 在这个患者群体中确定与嗅觉功能障碍相关的关键风险因素.

主要方法:

• 一项涉及158名接受过鼻腔细胞垂体瘤切除的患者的横截面研究.
• 使用各种机器学习算法 (BP神经网络,物流回归,决策树,支持矢量机,随机森林,LightGBM,XGBoost,AdaBoost) 开发预测模型.
• 模型性能使用准确度,精度,回忆,F1得分和ROC曲线下的面积 (AUC) 进行评估.

主要成果:

• 在73.42%的患者中观察到术后嗅觉功能障碍.
• 确定的主要风险因素包括手术持续时间,性别,瘤类型,垂体脑梗塞,鼻,年龄,脑脊液泄漏,血液痕形成和吸烟史.
• 随机森林模型表现出最高的预测性能,AUC为0.846.

结论:

• 随机森林模型是一个强大的工具,用于预测经过鼻腔细胞垂体瘤切除后的嗅觉功能障碍.
• 使用这种模型早期识别高风险患者可以促进及时干预并改善临床结果.
• 该模型显示,该模型对于进行垂体瘤手术的患者的管理具有显著的临床适用性.