使用机器学习预测贝尔麻早期治疗有效性:专注于皮质类固醇和抗病毒药物
Jheng-Ting Luo1, Yung-Chun Hung1,2, Gina Jinna Chen3
1In-Service Master Program in Artificial Intelligence in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan.
International journal of general medicine
|November 14, 2024
概括
机器学习模型可以预测贝尔的麻恢复. 早期的普雷尼索隆治疗和患者年龄是面部神经麻更好的结果的关键因素.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
背景情况:
- 贝尔,一种面部神经麻的形式,往往导致单方面面部软弱.
- 虽然许多患者在几个月内自发恢复,但很大一部分患者的恢复不完全.
研究的目的:
- 用机器学习研究贝尔麻早期治疗的有效性.
- 为了比较六个机器学习模型的恢复结果的预测性能.
主要方法:
- 分析了来自17家医院的493名患者的数据.
- 患者接受了普雷尼索隆,阿西克洛维尔,两者,或安慰剂,结果通过House-Brackmann尺度进行评估.
- 用6种机器学习模型来预测恢复,使用AUC,精度,回忆和F1分数来评估性能.
主要成果:
- 整体康复率在3个月后为72.6%,在9个月后为89.5%.
- 逻辑回归实现了最高的预测性能 (AUC=0.751在3个月,AUC=0.720在9个月).
- 患者的年龄和普雷尼索隆的使用被确定为恢复的最重要的预测因素.
结论:
- 机器学习模型在预测贝尔的治疗有效性方面表现有前途.
- 后勤回归证明了恢复的优越预测能力.
- 该研究强调了患者年龄在预后中的新意义,并建议开发针对年龄特定的模型,以量身定制的治疗策略.
