机器学习准确预测患者报告的结果1年后乳腺重建

科学领域:

• 在瘤学瘤学.
• 整形外科 整形外科 整形外科
• 医疗信息学 医疗信息学

背景情况:

• 患者报告的结果 (PROs) 对于评估乳房重建成功至关重要.
• 机器学习 (ML) 提供了预测PRO和个性化患者护理的潜力.
• 预测模型可以增强乳房重建的共享决策.

研究的目的:

• 开发和验证ML算法,用于预测乳房重建后的PRO.
• 确定影响患者报告结果的关键因素.
• 评估ML在改善以患者为中心的护理方面的实用性.

主要方法:

• 从4776名接受乳房重建的患者回顾收集数据.
• 使用BREAST-Q分数开发和验证了五个ML算法.
• 通过使用多中心数据进行外部验证,并通过AUC,灵敏度,特异性和Brier分数进行评估.

主要成果:

• 机器学习算法在预测各种PRO方面取得了很高的准确性,AUC从0.74到0.97.
• 最重要的预测因素包括手术前的BREAST-Q分数,辐射时间,BMI,年龄和重建技术.
• 模型在预测身体健康,满意度和心理社会健康方面表现强.

结论:

• 在乳房重建之前,ML算法可以可靠地预测患者报告的结果.
• 这种数据驱动的方法支持增强共享决策.
• 这些发现为更加个性化和以患者为中心的乳房重建护理铺平了道路.