通过基于机器学习的可解释模型对膀损伤的临床风险因素的调查
Yunxin Wang1, Jiachuang Li2, Yunfeng Song1
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, 110169, China.
Scientific reports
|October 16, 2024
概括
在良性前列腺激增症 (BPH) 患者中,常规查膀病变至关重要. 这项研究引入了一种方便的非侵入性方法,使用临床风险因素进行早期检测并改善生活质量.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 膀病变经常发生在患有良性前列腺增生症 (BPH) 的患者中.
- 常规查对于及时检测和治疗至关重要,以防止病变的进展.
- 目前用于膀病变的临床查方法往往不方便.
研究的目的:
- 开发一种方便,非侵入性,低成本的查方法,用于BPH患者的膀病变.
- 量化分析临床风险因素对膀病变诊断的贡献.
- 建立一个准确的诊断模型,用于在BPH中早期检测膀病变.
主要方法:
- 一项包括253名有或没有膀病变的BPH患者的队列研究.
- 利用非侵入性,易于操作和低成本的临床检查来收集风险因素.
- 开发并验证了基于已识别的临床风险因素的诊断模型.
主要成果:
- 确定了膀顺应,最大流量 (Qmax),前列腺特异性抗原 (PSA) 和后空残留 (PVR) 作为关键风险因素.
- 提出的诊断模型在预测膀病变方面表现出很高的准确性.
- 量化分析了每个风险因素对诊断决策的影响.
结论:
- 拟议的模型提供了一种创新的和有效的常规查工具,用于BPH患者的膀病变.
- 通过这种模型的早期检测和干预可以防止病变的进展.
- 这种方法有可能显著改善BPH患者的生命质量,这些患者有膀病变的风险.
