预测旋转手套撕裂的修复能力:机器学习和与以前的评分系统的比较
Woo-Sung Do1, Seung-Hwan Shin1, Joon-Ryul Lim1
1Department of Orthopaedic Surgery, Arthroscopy and Joint Research Institute, Severance Hospital, Yonsei University College of Medicine, Seoul, Republic of Korea.
The American journal of sports medicine
|November 4, 2024
概括
机器学习模型可以预测旋转的撕裂可修复性,为外科医生提供了宝贵的工具. 弹性网物流回归模型表现出强的性能,与现有的评分系统可比.
科学领域:
- 整形外科手术 整形外科手术
- 生物医学工程 生物医学工程
- 机器学习在医学中的应用
背景情况:
- 旋转手套撕裂的修复可行性因撕裂的严重程度而异.
- 现有的预测方法缺乏一致的评分和验证.
- 需要改进的方法来评估旋转部撕裂的可修复性.
研究的目的:
- 开发机器学习模型来预测旋转部撕裂的修复能力.
- 将模型性能与既有评分系统进行比较.
- 为临床使用创建一个可访问的在线工具.
主要方法:
- 使用一系列的关节镜旋转手套修复 (>1厘米撕裂直径).
- 开发并验证了机器学习模型和调整的评分系统.
- 使用接收器运行特征曲线下的面积 (AUROC) 和净重新分类改进的模型性能比较.
主要成果:
- 一个弹性网物流回归模型实现了0.847.7的AUROC.
- 机器学习模型的表现优于以前的评分系统 (AUROC 0.757 和 0.687).
- 从表现最好的算法开发了一个可访问的在线预测模型.
结论:
- 机器学习模型提供了一种可靠的方法来预测旋转部撕裂可修复性.
- 开发的模型的性能与调整的评分系统相美.
- 临床医生应谨慎使用预测模型,将其与临床判断相结合.


