机器学习与临床和手术内生物信号数据用于预测心脏手术相关的急性损伤
Changho Han1, Sarah Soh2, Hyun Il Kim2
1Department of Biomedical Systems Informatics, Yonsei University College of Medicine, Seoul, Republic of Korea.
Studies in health technology and informatics
|August 23, 2024
概括
机器学习模型使用外科手术期间的数据准确预测心脏手术相关的急性损伤 (CSA-AKI). 术内生物信号和早期术后生物标志物显著提高了预测准确性,有助于患者风险分层和预防策略.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 心脏病学 心脏病学
- 人工智能在医学中的应用
背景情况:
- 心脏手术相关的急性损伤 (CSA-AKI) 是一个显著的并发症.
- 早期识别高风险患者对于有效的预防策略至关重要.
研究的目的:
- 开发和验证用于预测CSA-AKI的机器学习模型,使用外科临床和手术内生物信号数据.
- 评估结合手术内和术后数据的增量预测价值.
主要方法:
- 开发 XGBoost 模型,使用来自 2,003 名患者的数据,跨越三个术后阶段.
- 从高分辨率的手术内生物信号中提取新功能.
- 与塔卡尔分数进行比较,并使用SHAP方法进行分析.
主要成果:
- 预测性能在术后阶段逐渐改善,完整模型实现了0.840.8的AUROC.
- 模型超过了Thakar评分的预测性能.
- 术内输液压和早期术后生物标志物被确定为关键预测因素.
结论:
- 利用术前和术后生物信号数据的机器学习模型可以更好地预测CSA-AKI.
- 术内血动力学和早期术后监测对于CSA-AKI风险评估至关重要.
- 这种方法有助于早期识别和有针对性的预防CSA-AKI.
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
8.2K
03:13Technical Refinement of a Bilateral Renal Ischemia-Reperfusion Mouse Model for Acute Kidney Injury Research
Published on: November 3, 2023
2.2K
