开发一种基于机器学习的风险模型,用于肺癌手术的术后并发症

科学领域:

• 胸部外科手术 胸部外科手术
• 医疗信息学 医疗信息学
• 在瘤学瘤学.

背景情况:

• 手术后的并发症是肺切除手术的一个重要问题.
• 现有的风险评估工具对于这种特定的患者群体可能不够准确.

研究的目的:

• 开发和验证针对接受肺切除的患者量身定制的新型并发症风险评分.
• 为了提高肺癌手术中术后并发症的预测.

主要方法:

• 使用培训数据集 (2014-2017) 开发了一个风险模型,并在单独的数据集 (2018-2019) 上进行了验证.
• 使用弹性网规范化的通用线性模型,分析了40个变量,包括患者因素,手术技术和瘤特征.
• 使用接收器操作特征曲线评估模型性能,并与查尔森并发症指数 (CCI) 进行比较.

主要成果:

• 开发的风险模型确定了20个关键预测变量,包括患者人口统计,呼吸功能,并发症 (例如,慢性肺炎,缺血性心脏病) 和血液检测结果.
• 该模型在验证数据集中实现了0.734的曲线下面面积 (AUC),明显超过了CCI的0.521.
• 在训练组中,术后并发症的发生率为34.7%,在验证组中为21.9%.

结论:

• 新开发的基于机器学习的风险评分在预测肺切除后的术后并发症方面表现出可接受的准确性.
• 与CCI相比,该工具提供了一种更精确的方法来评估肺癌患者的手术风险.