基于手术前超声波特征的人工神经网络预测皮肤状甲状腺微癌的术后并发症
Zhanxiong Yi1, Enhui He1, Peipei Yang1
1Department of Ultrasound, Beijing Friendship Hospital, Capital Medical University, Beijing, China.
Journal of clinical ultrasound : JCU
|August 27, 2024
概括
一种深度学习模型准确地预测了使用手术前超声波特征的乳头甲状腺微癌 (PTMC) 患者的甲状腺切除术后并发症. 这个工具有助于对PTMC治疗的临床决定.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳头甲状腺小癌 (PTMC) 的发病率在全球范围内不断上升,使治疗决策复杂化.
- 高分辨率超声波对于PTMC评估至关重要.
- 预测甲状腺切除术后的并发症对于患者管理至关重要.
研究的目的:
- 开发和验证一种深度学习模型,用于预测PTMC患者的甲状腺切除术后并发症.
- 用手术前的超声波特征来进行预测建模.
- 加强PTMC管理中的临床决策.
主要方法:
- 使用来自1638名PTMC患者的数据开发了一个完全连接的深度神经网络.
- 特征选择涉及引导抽样和递归特征消除 (RFE) 以确定前10个特征.
- 模型性能使用准确度,AUC,灵敏度和特异性进行评估,数据预处理包括规范化,归算和SMOTE等级失衡.
主要成果:
- 深度学习模型实现了高性能:精度 (0.81),AUC (0.74),灵敏度 (0.65),和特异性 (0.83).
- ROC曲线和混矩阵可视化了模型的预测能力.
- 该模型在预测PTMC患者手术后并发症方面表现出可靠性.
结论:
- 深度学习显示了改善医疗预测和在瘤学中个性化医疗保健的巨大潜力.
- 该研究的结果可以帮助临床医生为PTMC患者做出明智的决定.
- 未来的研究应该扩大数据来源,并纳入额外的因素来完善模型的准确性和适用性.
