相关实验视频
Updated: Jun 27, 2026
08:40
Establishment and Characterization of UTI and CAUTI in a Mouse Model
Published on: June 23, 2015
19.9K
个性化预测囊炎的复发:从SHAP和机器学习模型的见解
Yuyang Yuan1,2, Fuchun Zheng1,2, Jiming Yao1,2
1Department of Urology, the First Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, China.
Translational andrology and urology
|April 14, 2025
概括
机器学习准确地预测了手术后囊炎腺体复发的情况. 术后定期灌注是预防复发的关键因素,改善了患者的治疗结果.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 腺囊炎 (CG) 是一种罕见的膀疾病,在经尿道切除后 (TUR) 经常复发.
- 对于CG复发的传统预测模型缺乏准确性.
- 机器学习 (ML) 为复杂的医疗数据提供先进的模式识别.
研究的目的:
- 开发和验证一个可解释的ML模型,用于预测TUR后CG复发.
- 加强CG的临床决策和患者管理.
- 确定CG复发的关键预测因素.
主要方法:
- 与七个ML模型进行了比较:CoxPH,LASSO,rpart,RSF,GBM,SVM,XGBoost. 这七个ML模型进行了比较.
- 使用ROC,AUC,Brier分数和DCA进行模型评估.
- 采用SHAP用于模型解释性和识别的复发预测因素.
主要成果:
- 随机生存森林 (RSF) 模型显示出卓越的预测性能.
- 决策曲线分析证实了RSF的临床实用性.
- SHAP分析确定了手术后定期灌注 (PRI) 是最重要的预测因素.
结论:
- RSF模型为预测CG复发提供了一个有效的工具.
- 基于ML预测,可以制定个性化治疗策略.
- 术后定期灌注 (PRI) 是预防CG复发的关键因素.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
941
