基于机器学习的预测,非抽动冠状动脉旁路移植相关的急性损伤
Yuezi Song1, Wenqian Zhai1,2, Songnan Ma3
1Department of Anesthesiology, Chest Hospital, Tianjin University, Tianjin, China.
一个机器学习模型准确地预测了在非抽动冠状动脉旁路移植 (OPCABG-AKI) 后的急性损伤. 结合手术前和手术期间的数据,可显著提高这种严重并发症的预测准确度.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 心脏病学 心脏病学
- 人工智能的人工智能
背景情况:
- 心脏手术相关的急性损伤 (CSA-AKI) 影响高达三分之一的患者.
- 无冠状动脉旁路移植 (OPCABG) 是CSA-AKI的一个重要风险因素.
- 早期识别和干预对于管理CSA-AKI至关重要.
研究的目的:
- 开发一种基于机器学习的预测模型,用于OPCABG相关的急性损伤 (OPCABG-AKI).
- 确定导致OPCABG-AKI的关键风险因素.
主要方法:
- 对接受OPCABG的1,041名患者进行了回顾性分析.
- 使用了基线和手术内时间序列数据.
- 构建并比较了八种机器学习模型,包括梯度增强决策树 (GBDT) 和长短期记忆 (LSTM).
- 综合基线和手术内数据,使用转移学习来增强模型性能.
主要成果:
- 梯度增强决策树 (GBDT) 模型在使用基线和手术内数据时显示出优异的预测性能 (AUC = 0.861,精度 = 0.936).
- 胰岛素阿斯巴特,阿卡尔,螺旋,阿尔芬坦尼尔,德佐辛,莱沃西门丹,克林达米辛,心肌梗塞史和性别被确定为关键预测因素.
- 10.4%的患者发生了OPCABG-AKI.
结论:
- 一个基于GBDT的模型有效地预测OPCABG-AKI.
- 整合手术前和手术内数据可以提高OPCABG-AKI预测的准确性.
更多相关视频
09:02A Large Animal Model for Acute Kidney Injury by Temporary Bilateral Renal Artery Occlusion
Published on: February 2, 2021
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Acute Kidney Injury VI: Nursing Management
Acute Kidney Injury V: Interprofessional Care
Acute Kidney Injury IV: Diagnostic Studies and Prevention
Acute Kidney Injury III: Clinical Manifestations
Acute Kidney Injury II: Pathophysiology
Acute Kidney Injury I: Introduction
