相关实验视频
Updated: Jun 9, 2025
07:33
A Mouse Model of Intestinal Partial Obstruction
Published on: March 5, 2018
21.1K
机器学习预测了对粘性小肠阻塞的外科干预的需要
Akihisa Matsuda1,2, Sho Kuriyama1,2, Fumihiko Ando1,2
1Department of Surgery, Nippon Medical School Chiba Hokusoh Hospital, Inzai, Japan.
Journal of the anus, rectum and colon
|October 30, 2024
概括
机器学习模型可以预测患有粘性小肠阻塞 (ASBO) 患者的手术需要. 这有助于优化治疗时间和手术干预的决策.
科学领域:
- 胃肠病学 胃肠病学
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 粘性小肠阻塞 (ASBO) 是一个常见的手术紧急情况.
- 预测ASBO的外科干预需要对于及时管理至关重要.
- 目前的非操作性管理 (NOM) 策略在预测失败方面存在局限性.
研究的目的:
- 评估机器学习 (ML) 算法的预测性能,用于ASBO中的外科干预.
- 确定转移ASBO患者到手术的最佳时间.
- 将ML算法与传统的后勤回归进行比较,以预测手术需要.
主要方法:
- 对106名ASBO患者进行了回顾性研究,这些患者接受了长跨鼻肠管 (LT) 解压治疗.
- 应用传统的物流回归和五个ML算法 (包括随机森林) 进行风险预测.
- 分析临床变量,如排水量,诊断到输液间隔和小肠扩张.
主要成果:
- 在26%的患者中,非手术治疗失败了.
- 手术的关键预测因素包括1日高排水量,诊断到输管间隔短,小肠扩张48小时后.
- 随机森林算法实现了最高的预测性能 (AUC 0.889,精度 0.864).
结论:
- 机器学习算法在预测ASBO手术干预方面显示出显著的潜力.
- 这些发现支持在ASBO管理中为早期临床决策制定框架.
- 该研究强调了ML在优化ASBO患者手术时间方面的实用性.
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
08:26Clinical Application of Single-Surgeon, Three-Port, Laparoscopic Resection for Colorectal Cancer with Natural Orifice Specimen Extraction
Published on: March 24, 2023
379
