术后呼吸暂停-呼吸暂停指数预测基于机器学习的长鼻手术
Jingyuan You1, Juan Li2, Yingqian Zhou2
1School of Biomedical Engineering Tsinghua University Beijing China.
OTO open
|January 8, 2025
概括
机器学习模型可以有效地预测术后呼吸暂停-呼吸暂停指数 (AHI) 在阻塞性睡眠暂停 (OSA) 进行喉手术后. 这些人工智能工具有助于患者选择,并改善OSA患者的外科治疗结果.
科学领域:
- 医学研究 医学研究
- 人工智能在医学中的应用
- 睡眠医学 睡眠医学
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 是一种常见的疾病,通常用手术治疗.
- 预测手术结果,例如术后呼吸暂停-呼吸暂停指数 (AHI),对于患者管理至关重要.
- 喉外科手术是OSA的一种手术选择,但其有效性可能有所不同.
研究的目的:
- 研究机器学习 (ML) 回归模型在预测术后AHI方面的有效性.
- 为了对比各种ML算法的性能与传统的线性回归 (LR) 进行这个预测任务.
- 评估ML模型在指导患者选择和优化OSA手术结果方面的潜力.
主要方法:
- 一项回顾性队列研究,涉及152名接受了喉外科手术的成年OSA患者.
- 对人口统计学,多睡眠学和解剖学变量的分析.
- 开发并比较ML模型 (ANN,SVR,KNN,RF,XGBoost) 与LR用于AHI预测.
主要成果:
- 人工神经网络 (ANN) 模型表现出卓越的性能.
- 与LR (R-平方0.094,精度71.7%) 相比,ANN实现了更高的R平方 (0.23) 和精度 (81.3%).
- ANN还显示AHI的RMSE较低 (10.71事件/小时) 和AUC (74.6%) 比LR更好.
结论:
- 基于机器学习的模型,特别是ANN,在预测术后AHI方面表现出色.
- 这些预测模型可以帮助临床医生选择适合的患者进行喉外科手术.
- 利用ML用于AHI预测可能会导致成年OSA患者的手术结果改善.
