在疼痛医学中开发和实施用于脊髓刺激程序的自动推断系统
Lan Jiang1, Yu-Li Huang2, Jungwei Fan3
1Robert D. and Patricia E. Kern Center for the Science of Health Care Delivery, Mayo Clinic, Rochester, MN, 55905, USA.
Journal of medical systems
|January 20, 2025
概括
一个自动分拣系统准确地预测患者的脊髓刺激 (SCS),改善疼痛管理和减少不必要的预约. 这种机器学习方法提高了患者获得专业护理的机会.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 疼痛管理 疼痛管理
背景情况:
- 有效的患者转诊分组对于优化结果,患者体验和获得专业护理至关重要.
- 目前对脊髓刺激 (SCS) 等手术进行分类可能会导致不必要的预约和延迟适当的疼痛管理.
研究的目的:
- 开发和实施一个自动分类系统,以预测患者适合脊髓刺激 (SCS) 进行疼痛管理.
- 加强分拣过程,减少SCS前评估预约,并确保及时获得专门的疼痛护理.
主要方法:
- 对比了各种机器学习技术,解决了诸如类不平衡和重叠等数据挑战.
- 利用了两年的患者数据,包括用自然语言处理 (NLP) 处理的临床笔记.
- 探索了数据级和算法级的方法,EasyEnsemble与Ada Boosting显示出卓越的性能.
主要成果:
- 十倍验证的平均AUC为0.82,TPR为77.3%,TNR为73.0%.
- 将概率值调整为0.575以达到低于15%的假阳性率 (FPR).
- 一年实施显示TPR为64.7%,TNR为87.2%,在可接受的TPR权衡下,FPR减少了12.8%.
结论:
- 开发的自动分选系统在识别适合SCS的候选人方面表现出有希望的准确性.
- 实施导致了日程安排的改善,增强了患者护理,并在止痛药环境中显著减少了不必要的预约.
