利用人工智能预测乳腺缩小手术中的术后并发症:对预测特征和结果的全面回顾性分析

科学领域:

• 整形外科 整形外科 整形外科
• 医疗信息学 医疗信息学
• 医疗保健中的机器学习

背景情况:

• 缩小乳房的手术是越来越常见的宏观肌肉减轻.
• 缩小乳房的并发症率范围广泛,从6.2%到43%不等.
• 预测严重并发症对于患者安全和手术规划至关重要.

研究的目的:

• 开发和验证一种AI模型,用于预测严重的乳腺缩小并发症.
• 确定与手术后严重并发症相关的关键因素.
• 通过风险可视化增强手术前咨询.

主要方法:

• 对322例乳腺缩小病例 (2017-2024) 的回顾性分析.
• 开发一个梯度增强决策树机器学习模型.
• 使用5倍交叉验证进行评估,AUC-ROC,精度,灵敏度和特异性.
• 利用一种可解释性工具来实现风险可视化.

主要成果:

• 严重的并发症发生在7.4%的患者中.
• 预测因素包括样品重量,SN-N距离和吸脂体积.
• 人工智能模型实现了AUC-ROC为0.83,准确度为0.93,NPV为0.95.
• 可解释性工具有效地可视化了并发症风险.

结论:

• 这是第一个用于预测缩小乳房严重并发症的AI应用程序.
• 开发的AI模型为手术规划和患者教育提供了可靠的工具.
• 建议在不同人群中进行进一步验证,以确认临床效用.