相关实验视频
Updated: May 4, 2026

Vessel-sparing Excision and Primary Anastomosis
Published on: January 7, 2019
使用集体学习和层次战略来预测ESWL对上尿管结石治疗的结果
Chi-Wei Chen1, Wayne-Young Liu2, Lan-Ying Huang3
1Graduate Degree Program of Smart Healthcare & Bioinformatics, I-Shou University, Kaohsiung City, Taiwan; Department of Biomedical Engineering, I-Shou University, Kaohsiung City, Taiwan.
预测尿路结石切除的成功是至关重要的. 这项研究开发了对体外冲击波石解术结果的模型,在第一和第二次手术中实现了高精度,有助于治疗决策.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 尿路结石是一种普遍且经常出现的疾病.
- 预测上尿路结石的手术成功对于优化患者的治疗结果和降低医疗保健费用至关重要.
- 身体外冲击波石 (ESWL) 是尿路结石的常见治疗方式.
研究的目的:
- 开发和验证预测系统,以确保第一个和第二个体外冲击波石解剖手术对上尿道石的成功.
- 为了确定影响石灰管成功的关键特征.
- 为临床医生提供一个工具来估计治疗疗效.
主要方法:
- 从接受ESWL治疗上尿道结石的患者收集了数据,包括成功和不成功的结局.
- 使用患者特征,石头特征和ESWL机器数据构建了预测模型.
- 用六种不同的方法分析了特征的重要性.
- 用曲线下的面积 (AUC) 度量来评估模型性能.
主要成果:
- 预测模型的第一个lithotripsy实现了AUC的0.91.1.
- 预测模型的第二次lithotripsy实现了0.76.6的AUC.
- 患者石头经历的病史显著影响了这两种程序的预测准确性,贡献各不相同.
结论:
- 使用机器学习模型,可以准确预测上部尿道石头ESWL的成功.
- 患者报告的数据,特别是关于石头病史的数据,是石头化结果的有价值的预测指标.
- 开发的预测工具可以帮助临床决策,并可能降低与无效治疗相关的成本.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
06:39Technical Modification of the Terminal Ureter During Total Transperitoneal Laparoscopic Nephroureterectomy for Upper Urinary Tract Urothelial Carcinoma
Published on: November 22, 2019
相关概念视频
Urinary Tract Calculi I: Introduction
Urinary Tract Calculi III: Medical Management
Urinary Tract Calculi IV: Nutrition Therapy and Prevention
Urinary Tract Calculi V: Nursing Management
Urinary Tract Calculi VI: Surgical Management
Urologic Endoscopic Procedure: Cystoscopic Examination