机器学习模型预测了结肠癌右半球切除术后切口感染的因素
1Department of Operating Room, Shengjing Hospital of China Medical University, Shenyang, Liaoning, 110004, China.
BMC surgery
|October 1, 2024
概括
机器学习,特别是深度学习,可以预测结肠癌的右半球切除术后的手术部位感染. 这有助于个性化治疗和更好的患者结果.
科学领域:
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 结肠直肠癌需要手术干预,右半结肠切除术是常见的手术.
- 手术后的切口感染是常见的并发症,影响患者的康复和医疗资源.
研究的目的:
- 采用机器学习模型来预测右半球切除术后的切口感染风险.
- 为了比较深度学习,随机森林,支持向量机和物流回归模型的预测性能.
主要方法:
- 利用了322名因结肠癌而接受右半球切除术的患者的临床数据.
- 训练和评估机器学习模型 (深度学习,随机森林,SVM,后勤回归) 在 7:3 数据分割上.
主要成果:
- 深度学习模型在切口感染方面实现了最高的预测准确度.
- 深度学习在ROC-AUC和F1得分指标中表现优于其他模型.
- 机器学习模型有效地识别了手术后感染的风险因素.
结论:
- 深度学习模型显示,对预测切口感染风险在右侧脑膜切除术后有显著的前景.
- 这些预测工具可以支持临床决策和个性化患者治疗策略.
- 实施机器学习可以在结直肠癌手术中改善患者的治疗结果.
