相关实验视频
Updated: Jul 21, 2026
07:54
Use of a Hanging-weight System for Isolated Renal Artery Occlusion
Published on: July 19, 2011
16.0K
基于机器学习的模型,用于预测急性脏损伤严重的急性动脉解剖A型急性动脉解剖后的全主动脉置换
Xiaolong Liu1, Miaoxian Fang2, Kai Wang1,3
1Department of Critical Care Medicine, Guangdong Provincial People's Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, 510080, China.
Heliyon
|July 29, 2024
概括
在大动脉门手术后预测严重急性损伤 (AKI) 是至关重要的. 机器学习,特别是人工神经网络 (ANN) 模型,在这些患者中显示出严重AKI的卓越预测准确性.
科学领域:
- 心血管外科心血管外科
- 腎臟病學 (nephrology) 是一種醫學.
- 人工智能在医学中的应用
背景情况:
- 严重急性损伤 (AKI) 是急性A型大动脉解剖 (ATAAD) 患者的全大动脉门置换 (TAAR) 后的一个显著并发症.
- 早期和准确的预测严重的AKI仍然是一个临床挑战,影响患者的结果.
研究的目的:
- 在ATAAD患者中开发和验证一种针对严重AKI后TAAR的新型预测模型.
- 利用机器学习算法来提高预测准确度.
主要方法:
- 对接受TAAR的572名ATAAD患者进行了回顾性分析.
- 利用拉索回归,支持向量机器-递归特征消除,以及随机森林用于特征选择.
- 开发了使用人工神经网络 (ANN) 和物流回归的预测模型,通过AUC-ROC曲线验证.
主要成果:
- 严重的AKI发生率为22.9%.
- 关键预测因素包括基线血清肌素和ICU变量 (cystatin C, procalcitonin,AST,血小板,LDH,NGAL,APACHE II分数).
- 在训练组和验证 (AUC=0.916) 中,ANN模型显示出优异的预测性能 (AUC=0.938) 与逻辑回归 (AUC=0.908) 相比.
结论:
- 在ATAAD患者中使用机器学习开发了一种新的,可靠的临床预测模型,用于在TAAR后的严重AKI.
- 对于严重的AKI,ANN模型的预测能力明显高于传统的物流回归.
