应用机器学习来预测老年患者的肠道准备足够性的结肠镜检查:开发和验证基于网络的预测工具
Jianying Liu1, Wei Jiang1,2, Yahong Yu1
1Department of Gastroenterology and Hepatology, Zhongshan Hospital (Xiamen), Fudan University, Xiamen, China.
Annals of medicine
|March 11, 2025
概括
这项研究开发了一种机器学习模型,用于预测接受结肠镜检查的老年患者的肠道准备充分性. 该模型实现了高精度,有助于早期干预和减少浪费.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 胃肠病学 胃肠病学
背景情况:
- 适当的肠道准备对于有效的结肠镜检查至关重要,特别是在患有低于最佳结果风险的老年患者中.
- 不充分的肠道准备可以导致错过诊断和增加医疗保健成本.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测老年患者在结肠镜检查前肠道准备的充分性.
- 通过准确的手术前评估,增强临床决策和患者的结果.
主要方法:
- 利用来自471名老年患者的临床数据进行内部验证和221名老年患者进行外部验证,遵循TRIPOD AI指南.
- 采用Boruta算法进行特征选择,并评估多个ML模型,包括支持向量机 (SVM).
- 应用了SHAP算法来实现特征解释性,并开发了一个基于Web的应用程序来实现临床可用性.
主要成果:
- 在内部验证过程中,SVM模型表现出优异的性能,曲线下的面积 (AUC) 为0.895,在外部验证过程中为0.889.
- 博鲁塔算法确定了7个关键预测特征,SHAP分析阐明了它们对模型预测的贡献.
- 开发的ML模型在预测肠道准备充分性方面显示出高准确度,灵敏度和特异性.
结论:
- 成功开发了一种可解释和实用的ML模型,用于预测老年患者的肠道准备充分性.
- 这种预测工具可以促进及时干预,提高结肠镜检查的有效性,并最大限度地减少老年护理中的资源浪费.
