通过可解释的机器学习方法在现实世界中预测肺栓塞
Qiao Zhou1,2, Ruichen Huang1, Xingyu Xiong3
1Department of Respiratory and Critical Care Medicine, Changhai Hospital, The Second Military Medical University, Shanghai, People's Republic of China.
Scientific reports
|January 4, 2025
概括
肺栓塞 (PE) 是一种常见但具有挑战性的疾病. 研究人员开发了一个人工智能模型,使用机器学习算法来预测PE,旨在改善早期诊断和患者的结果.
科学领域:
- 医疗信息学 医疗信息学
- 心脏病学 心脏病学
- 肺部医学 肺部医学
背景情况:
- 肺栓塞 (PE) 是一种普遍存在的疾病,具有显著的死亡率和发病率.
- 错过和错误诊断的高发病率是一个持续的临床挑战.
研究的目的:
- 使用人工智能开发和验证肺栓塞 (PE) 的强大预测模型.
- 提高PE患者的早期诊断和及时治疗策略.
主要方法:
- 对1480名疑似PE患者的回顾性分析.
- 对126个特性进行选,并利用各种机器学习算法 (MLA).
- 使用接收器运行特征曲线下的面积 (AUC) 和夏普利添加式扩展 (SHAP) 评估模型性能.
主要成果:
- 随机森林 (RF) 模型实现了最高的疗效,AUC为0.776.6.
- SHAP分析确定了关键的预测特征,包括D-二聚合物,APTT,FFDP,血小板计数,白蛋白,胆固醇和.
- 开发的基于MLA的PE预测模型作为临床应用的网页实现.
结论:
- 建立了一个成功的基于机器学习的PE预测模型.
- 基于网络的工具有助于改善PE的早期诊断和治疗优化.
- 这项研究有助于改善肺栓塞患者的治疗结果.


