在克罗恩病的手术决策中,在肠切除后临时静脉管的机器学习

科学领域:

• 胃肠道学和外科瘤学
• 计算医学和预测分析

背景情况:

• 克罗恩病 (CD) 经常需要手术干预,包括肠切除 (IR).
• 在IR后创建临时静脉管是CD管理中的关键手术决定.
• 对静脉形成的预测模型可以优化患者护理.

研究的目的:

• 开发和评估机器学习 (ML) 模型,用于预测克罗恩病患者在肠切除后的临时静脉形成.
• 为了确定影响临时静脉形成的必要性的关键预测因素.

主要方法:

• 对252名接受IR治疗的CD患者进行了回顾性分析.
• 使用最少绝对收缩和选择操作员进行特征选择.
• 使用后勤回归,随机森林 (RF) 和XG-Boost的预测模型的开发.
• 模型性能评估使用AUC,精度,灵敏度,特异性,精度,回忆和F1分数.
• 通过夏普利添加剂解释 (SHAP) 进行特征重要性评估.

主要成果:

• 在252名患者中,有150名患者需要暂时创建静脉管.
• 确定了8个独立的预测因素.
• 在ML模型中,AUC值在0.886和0.998.99之间.
• 射频模型表现出最佳的性能 (AUC 0.998训练,0.780验证).
• SHAP分析阐明了对静脉形成预测的可变贡献.

结论:

• 开发的射频模型显示了强大的预测能力,在CD中IR后临时静脉形成.
• 这种工具可以帮助手术决策和个性化口腔管道管理策略.
• 改进的预测可以导致克罗恩病护理中的更好的患者结果.