机器学习模型在肥胖中预测体重减轻1年后腹部手术:一个试点研究
Enrique Nadal1, Esther Benito2, Ana María Ródenas-Navarro3
1Instituto Universitario de Ingeniería Mecánica y Biomecánica (I2MB), Universitat Politècnica de València, 46022 Valencia, Spain.
Biomedicines
|June 27, 2024
概括
机器学习可以预测Roux-en-Y胃绕道 (RYGB) 后的减肥成功. 这种方法有助于识别出不良结果的患者,改善严重肥胖症的减肥手术选择.
科学领域:
- 腹部外科 腹部外科
- 医疗保健中的机器学习
- 肥胖管理 肥胖管理
背景情况:
- 鲁克斯-en-Y胃绕道 (RYGB) 是严重肥胖症的关键治疗方法.
- 不足的总体重减轻 (TWL) 是RYGB后的一个常见挑战.
- 影响RYGB成功的因素需要进一步阐明.
研究的目的:
- 评估机器学习 (ML) 的可行性和可靠性,以预测RYGB后的体重减轻.
- 确定减肥反应不佳的临床,人体测量和生化预测因素.
- 帮助选择患者进行减肥手术.
主要方法:
- 对118名接受RYGB治疗的患者进行了回顾性分析.
- 应用ML技术,包括局部线性嵌入 (LLE).
- 利用进化算法进行模型优化和参数调整.
主要成果:
- 确定了与一年%TWL相关的关键变量:阻塞性睡眠呼吸暂停,关节炎,胰岛素治疗,手术前体重,胰岛素抵抗指数,阿波利波蛋白A,尿酸,补充成分3和维生素B12.
- 该ML模型在对TWL<30%的患者进行分类时实现了71.4%的准确性.
- 在验证集中观察到适度的分辨精度.
结论:
- 机器学习模型显示了协助患者选择减肥手术的潜力.
- ML可以帮助识别处于RYGB后不足减肥风险的个体.
- 这种方法支持严重肥胖管理的个性化治疗策略.
