第二意见机器学习用于关节和膝关节置换手术的快速路径分配:使用患者报告的结果措施
Andrea Campagner1, Frida Milella2, Giuseppe Banfi3,4
1IRCCS Ospedale Galeazzi Sant'Ambrogio, Milan, Italy. andrea.campagner@unimib.it.
BMC medical informatics and decision making
|July 23, 2024
概括
使用患者报告结果的机器学习模型改善了快速追踪手术选择. 可控制的人工智能技术可以增强决策,以改善患者的康复和降低医疗保健成本.
科学领域:
- 整形外科手术 整形外科手术
- 医疗保健中的人工智能
- 机器学习用于临床决策支持.
背景情况:
- 由于人口老龄化,部和膝盖关节整形手术率的上升增加了医疗保健需求.
- 快速通道 (FT) 协议加速恢复,但可以改进患者的选择.
- 患者报告的结果指标 (PROM) 在FT候选人选择中未得到充分利用.
研究的目的:
- 开发机器学习 (ML) 模型,以优化对FT程序的患者分配.
- 利用患者自我报告的健康数据进行预测建模.
- 通过可解释和值得信赖的AI增强临床决策.
主要方法:
- 使用患者自我报告的健康数据创建了ML模型.
- 采用可控制的AI技术:可解释的AI (XAI) 和谨慎的预测.
- 在899名FT患者的数据集上训练并验证模型,包括外部验证.
主要成果:
- 可解释的ML模型的性能与"黑子"模型相比或优于黑子模型.
- 模型实现了>70%的灵敏度,特异性和PPV,AUC>80%.
- 谨慎的预测模型提高了性能,并保持了50%以上的覆盖率;外部验证显示没有显著的性能下降.
结论:
- 在FT程序规划中,PROM实际上是ML模型的基础.
- 可控人工智能 (XAI,谨慎预测) 提供可靠,可解释的临床决策支持.
- 这种方法增强了术后护理的知情决策.
