通过使用多个机器学习算法来预测跨状垂体腺瘤切除后的阿尔金宁压素缺乏症的建模
Yuyang Chen1, Jiansheng Zhong1, Haixiang Li1,2
1Department of Neurosurgery, Fuzhou General Clinical Medical College, Fujian Medical University (900th Hospital), Fuzhou, 350025, China.
Scientific reports
|September 27, 2024
概括
机器学习可以准确地预测下垂体手术后的阿尔金血管压素缺乏症 (AVP-D). 关键因素包括瘤大小,激素水平,以及垂体茎和隔膜高度的变化.
科学领域:
- 神经外科 神经外科
- 内分泌学 在内分泌学.
- 机器学习在医学中的应用
背景情况:
- 脑垂体腺瘤的转形手术可能导致阿尔金因压素缺乏症 (AVP-D).
- 预测AVP-D对于患者管理和预防并发症至关重要.
研究的目的:
- 开发和评估机器学习模型,用于预测AVP-D转状垂体腺瘤手术后的预测.
- 确定AVP-D的关键临床和成像预测因素.
主要方法:
- 追溯分析452例经过跨形手术的患者病例.
- 评估六种机器学习算法:逻辑回归,支持矢量分类,随机森林,决策树,k-最近邻居和极端梯度增强.
- 分析临床数据,包括激素水平 (ACTH,皮质醇) 和成像数据 (瘤高度,细胞膜高度,垂体茎长度).
主要成果:
- 随机森林模型实现了最高的预测性能,准确度为0.882和AUC为0.96.
- 决策树模型也显示出强的表现 (ACC 0.843,AUC 0.95).
- 预测AVP-D的预测因素包括性别,瘤高度,细胞隔膜高度和垂体茎长度的变化,以及手术前/手术后的ACTH和皮质醇水平.
结论:
- 机器学习,特别是随机森林和决策树模型,可以有效地预测下垂体手术后的AVP-D.
- 较短的手术前垂体茎长度,手术内伸展和较低的手术前ACTH/皮质醇水平与AVP-D风险增加有关.
