一个基于深度学习的预测模型用于宫脊椎损伤的预后:一项日本多中心调查
Sadayuki Ito1, Hiroaki Nakashima2, Naoki Segi1
1Department of Orthopedic Surgery, Graduate School of Medicine, Nagoya University, 65 Tsurumai-cho, Showa-ku, Nagoya, 466-8550, Japan.
概括
一个新的深度学习模型准确地预测了椎脊椎损伤的老年患者的结果,确定了关键的预后因素,如上肢创伤,以改善护理.
科学领域:
- 整形外科 整形外科 整形外科
- 老年医学 老年医学
- 医疗保健中的人工智能
背景情况:
- 65岁及以上的个体的椎损伤正在增加,通常是由于跌倒.
- 这些伤害的结果是高度可变的,并取决于许多因素.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于预测椎损伤的老年患者的伤害后结果.
- 将DL模型的性能与传统的统计方法进行比较.
主要方法:
- 对1512名患有椎损伤的老年患者的全国性日本数据集 (2010-2020年) 的分析.
- 为居住,移动和美国脊髓损伤协会损伤量表 (AIS) 的结果构建DL预测模型.
- 对DL模型性能与传统统计分析进行比较分析.
主要成果:
- DL模型在预测居住和AIS结果方面取得了不同的准确性,在一年的居住预测中准确度最高.
- 上肢创伤,移动性和肘部伸展强度显著预测出院时的AIS分数.
- DL分析确定了预后因素,例如上肢创伤,传统统计方法错过了这些因素.
结论:
- 一个基于DL的模型提供了一种新的,准确的方法来预测老年椎损伤患者的结果.
- 该模型提供了对预后因素的增强洞察力,有可能改善患者护理和干预个性化.
- 这种人工智能驱动的方法支持为这个不断增长的患者群体提供个性化治疗策略.
