使用机器学习预测转移性脊髓瘤手术中的术后神经结果
Satoshi Maki1,2, Yuki Shiratani1, Sumihisa Orita1,2
1Department of Orthopaedic Surgery, Chiba University, Graduate School of Medicine, 1-8-1 Inohana, Chuo-ku, Chiba-shi, 260-8670, Japan.
Spine
|March 14, 2025
概括
机器学习模型准确地预测脊髓瘤手术患者的神经恢复. 术前功能和炎症等关键因素显著影响结果,改善手术规划和患者护理.
科学领域:
- 神经外科 神经外科
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 脊髓转移正在增加,需要针对不稳定性和神经缺陷进行手术干预.
- 术后神经状态 (弗兰克尔分类) 的准确预测对于手术规划和患者咨询至关重要.
- 传统的预后模型很难捕捉神经恢复的复杂性.
研究的目的:
- 开发机器学习模型,用于预测转移性脊髓瘤患者一个月后手术后的神经结果.
- 确定影响脊髓转移手术后神经恢复的关键因素.
- 通过改进结果预测,增强外科决策和患者咨询.
主要方法:
- 对38所医院244名患者的数据进行了回顾性分析.
- 使用随机森林,XGBoost,LightGBM和CatBoost算法开发预测模型.
- 通过Boruta算法和差异通胀因子分析来选择特征,以确定重要的预测因素.
主要成果:
- 门诊患者 (弗兰克尔等级D或E) 的比例从手术后的36.8%增加到63.1%.
- 随机森林模型展示了最高的预测准确性,AUC-ROC为0.8516.
- 手术前的弗兰克尔分类,转移能力,炎症标志物和手术时间被确定为关键预测因素.
结论:
- 机器学习模型在转移性脊髓瘤患者中提供了术后神经状态的可靠预测.
- 手术前的神经功能,功能状态和炎症标志物是患者结果的关键决定因素.
- 这些发现可以改进外科手术策略,设置现实的期望,并通过精确的结果预测来改善患者护理.
