基于机器学习的模型可以预测长期瘤控制和脑垂体手术后的额外干预措施
Yuki Shinya1,2, Abdul Karim Ghaith1, Sukwoo Hong1,2
11Department of Neurologic Surgery, Mayo Clinic, Rochester, Minnesota.
Journal of neurosurgery
|March 14, 2025
概括
一个机器学习模型准确地预测了手术后库辛病的长期缓解. 该工具通过识别瘤大小和BMI等关键预测因素来帮助个性化治疗.
科学领域:
- 内分泌学 在内分泌学.
- 神经外科 神经外科
- 人工智能的人工智能
背景情况:
- 库希氏病 (CD) 的管理需要预测经过内外科手术 (ETS) 后的长期结果.
- 准确预测无干预生存 (IFS) 对患者管理至关重要.
研究的目的:
- 开发和验证一个监督机器学习 (ML) 模型,以预测CD患者的长期生物化学结果和IFS后ETS.
- 确定影响长期外科成功的关键预测因素.
主要方法:
- 150名接受ETS (2013-2023) 的CD患者的回顾性审查.
- 开发决策树和随机森林ML模型,以使用基线,手术和内分泌数据预测IFS.
- 80/20列车测试分割用于模型验证.
主要成果:
- 决策树ML模型在未见测试数据集上预测IFS时达到91%的准确性.
- 在MRI上瘤大小,Knosp等级,患者年龄和BMI被确定为长期IFS的显著预测因素.
- 干预后的无干预生存率为83%在3年和78%在ETS后5年.
结论:
- ML模型可以准确地预测在ETS后的库辛病的长期缓解.
- 预后受到包括瘤大小,Knosp等级,年龄和BMI在内的因素的影响.
- 开发的决策树模型可以帮助患者分层和个性化CD治疗计划.


