使用机器学习模型预测早产发育的视网膜病变和治疗需求
Ceren Durmaz Engin1,2, Taylan Ozturk3, Ozlem Ozkan4
1Department of Ophthalmology, Izmir Democracy University Buca Seyfi Demirsoy Education and Research Hospital, Kozagac Mah, Ozmen Cad No:147 Buca, Izmir, Turkey. cerendurmaz@gmail.com.
BMC ophthalmology
|April 11, 2025
概括
机器学习模型使用早期临床数据有效预测早产儿视网膜病变 (ROP) 和早产儿的治疗需求. 这些模型增强了查和临床决策,以更好地照顾婴儿.
科学领域:
- 新生儿医学 新生儿医学
- 医疗保健中的人工智能
- 预测分析是一种预测分析.
背景情况:
- 早产视网膜病变 (ROP) 是早产婴儿视力损伤的重要原因之一.
- 早期预测ROP和治疗需要对于及时干预至关重要.
- 目前的查方法可能资源密集,可能会错过关键病例.
研究的目的:
- 评估机器学习 (ML) 模型在预测ROP发生方面的有效性.
- 评估ML模型预测ROP处理需要的能力.
- 确定ROP开发和处理的关键预测参数.
主要方法:
- 开发了四个ML模型,使用出生和初始查数据中的49个参数.
- 采用了五种ML算法:逻辑回归,决策树,SVM,随机森林和XGBoost.
- 使用平衡精度和确定顶级预测参数评估模型性能.
主要成果:
- 预测ROP发展和治疗需求的模型使用出生数据实现了80%和81%的平衡准确率.
- 使用查数据的模型显示,ROP发展的准确率为80%,治疗需要的准确率为66%.
- 关键预测因素包括妊娠年龄,出生体重,APGAR分数和红细胞计数.
结论:
- ML模型显示了预测ROP和处理要求的巨大潜力.
- 整合临床和新生儿重症监护室数据可以改善ROP查.
- 基于ML的洞察力可以加强临床决策,用于风险高的早产婴儿.
