使用神经网络和机器学习在电子健康记录上预测眼外科结果
1Department of Management Science & Engineering, Stanford University, Stanford, CA, USA.
Translational vision science & technology
|June 21, 2024
概括
机器学习和深度学习模型可以使用电子健康记录数据预测眼外科手术的结果. 这些人工智能工具对个性化患者治疗计划和提高外科手术成功率充满希望.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 瘤手术的目的是降低眼内压力 (IOP) 并防止视力丧失.
- 预测手术成功对于治疗眼和优化患者护理至关重要.
- 目前预测结果的方法有限,需要先进的分析方法.
研究的目的:
- 开发和评估机器学习 (ML) 和深度学习 (DL) 模型,用于预测眼外科手术结果.
- 关键的结果包括术后眼内压,药物使用,以及需要修复手术.
- 使用电子健康记录 (EHR) 的结构化数据来开发模型.
主要方法:
- 在斯坦福大学从2013年至2024年间对2398次青光眼手术进行了回顾性分析.
- 从电子健康记录中提取患者特征,包括人口统计,诊断,手术和药物.
- 开发并比较经典的ML (随机森林) 和DL模型来预测手术失败.
主要成果:
- 随机森林在整体手术失败预测方面实现了75.5%的准确率和76.7%的AUROC.
- 深度学习模型表现出类似的性能 (75.5%的准确率,76.6%的AUROC).
- 与药物需求 (AUC 70%) 或重复手术 (AUROC 76%) 相比,模型对预测IOP结果的准确性更高 (AUROC 86%).
结论:
- ML和DL算法使用EHR数据有效预测眼外科手术的结果.
- 这些预测模型为临床决策支持工具提供了基础.
- 人工智能驱动的预测可以帮助外科医生个性化眼治疗策略.
