基于深度学习和机器学习的腰椎间盘的患者的一年术后恢复预测模型的开发
Yan Chen1,2, Fabin Lin1,2, Kaifeng Wang3
1Pingtan Comprehensive Experimentation Area Hospital, Pingtan, China.
Frontiers in neurology
|June 26, 2024
概括
深度学习和机器学习模型预测腰椎间盘的手术后一年的恢复. 多层感知器 (MLP) 算法在预测患者结果方面表现最好.
科学领域:
- 神经外科和人工智能 人工智能
- 临床决策支持系统 临床决策支持系统
- 预测分析在医疗保健中的应用
背景情况:
- 腰椎间盘明显影响患者的康复和生活质量.
- 准确预测1年的术后恢复对于临床决策至关重要.
- 管管微隔膜切除术 (TMD) 是对腰椎间盘的常见手术干预.
研究的目的:
- 开发和评估深度学习和机器学习模型,用于预测腰椎间盘患者的1年术后恢复.
- 为了确定最有效的算法预测外科手术的结果.
- 通过准确的康复预后,增强临床决策.
主要方法:
- 在2018年1月至2021年1月期间接受TMD的470名住院患者的回顾性分析.
- 数据集分为训练 (n=329) 和测试 (n=141) 集,具有十倍的交叉验证.
- 八个算法的比较:随机森林,极端梯度提升,支持向量机,额外树,K-最近邻居,物流回归,光梯度提升机和多层感知器 (MLP).
- 通过使用腰部日本整形医学协会 (JOA) 评分来衡量1年术后治愈率的结果.
- 主要评估指标:接收器运行特征曲线 (AUC) 下的面积.
主要成果:
- 特性工程确定了模型构建的15个重要变量.
- 多层感知器 (MLP) 算法在所有测试的算法中显示出最高的预测性能.
- 在相关性矩阵热图中观察到较低的特征间相关性.
结论:
- 在患有腰椎间盘的患者中,MLP算法为1年的术后恢复提供了卓越的预测准确性.
- 这种预测模型可以显著地告知临床决策,以改善患者管理.
- 深度学习方法在提高脊髓手术结果的预后能力方面表现有前途.
