使用深度学习进行先进的预后建模:评估死者和活体捐赠者的肝移植受体的长期结果
C G Raji1,2, S S Vinod Chandra2, Noble Gracious3,4
1Department of Computer Science, Assumption College Autonomous, Changanassery, Kerala, India.
Journal of translational medicine
|February 16, 2025
概括
深度学习准确地预测了长期的肝移植存活率,不管捐赠者的类型. 这种预后模型支持促进已故供体移植以获得更好的结果.
科学领域:
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
- 移植医学 移植医学
背景情况:
- 预测长期的肝移植结果是具有挑战性的.
- 深度学习提供了先进的预测能力.
- 区分已故和活着的捐赠者移植对于预测结果至关重要.
研究的目的:
- 为肝移植接受者开发一个深度学习的预后模型.
- 评估模型在预测长期生存的准确性.
- 评估捐赠者类型 (已故与活着) 对生存预测的影响.
主要方法:
- 利用了一个全面的UNOS数据集 (1998-2023年) 与临床,人口和移植变量.
- 应用主要组件分析以减少维度,选择前23个属性.
- 使用Deeplearning4j多层感知子分类器进行生存分析.
主要成果:
- 深度学习模型实现了高精度 (99.91%的活体捐赠者, 99.86%的已故捐赠者).
- 敏感性和特异性对于两种类型的供体都非常高.
- 该模型成功地预测了短期和长期的存活率,不论捐赠者的类型.
结论:
- 深度学习4j模型是用于预测肝移植生存率的验证工具.
- 研究结果表明,已故供体移植可能比活体供体移植更可取.
- 使用此模型,捐赠者类型不会显著影响生存预测的准确性.
更多相关视频
09:23Author Spotlight: Enhancing Transplantation Research Through MicroCT Angiography in Murine Models
Published on: September 22, 2023
2.6K
08:15A Hepatocellular Cancer Patient-Derived Organoid Xenograft Model to Investigate Impact of Liver Regeneration on Tumor Growth
Published on: February 2, 2024
720
