用机器学习算法预测口唇裂婴儿口腔整形的时间

科学领域:

• 儿科手术 儿科手术
• 计算生物学 计算生物学
• 增长和发展 增长和发展

背景情况:

• 唇裂 (CLP) 的婴儿需要精确的手术时间来获得最佳的结果.
• 预测宫腔整形的理想时间是复杂的,受各种患者因素的影响.
• 机器学习 (ML) 提供了一种新的方法来分析复杂的数据,用于CLP中的预测建模.

研究的目的:

• 开发和验证一种机器学习算法,用于预测非综合征性CLP的婴儿的宫腔整形时间.
• 评估出生体重和乳头整形手术时间对婴儿生长轨迹的影响.
• 评估ML模型在预测个性化宫腔塑造计划中的准确性.

主要方法:

• 训练有素的基于树的ML模型使用裂类型,年龄,身高和体重数据来自111名非综合征性CLP的婴儿.
• 根据出生体重 (低或正常) 和乳头整形手术时间 (早或晚) 来分类子组.
• 比较增长轨迹和分析预测准确度,使用诸如根平均平方误差等指标.

主要成果:

• 低出生体重的婴儿表现出显著的追赶增长,与正常出生体重同龄人相比,在T2时正常化.
• 早期乳头整形与早期宫腔整形相关,增长速度更快,体重z-score改善,术后增加.
• CatBoost ML算法准确预测了宫腔整形时间,平均误差为1.6个月.

结论:

• ML辅助预测可以准确地预测患有CLP的婴儿的宫腔整形时间.
• 早期的手术干预和适当的体重管理对CLP患者的生长结果产生积极影响.
• 这种预测工具可以帮助临床医生制定个性化的宫腔整形手术计划,从而有可能改善长期的结果.