用人工智能模型预测术后重症监护室的入院情况,用于非小细胞肺癌
Gizem Özçıbık Işık1, Burcu Kılıç1, Ezel Erşen1
1Department of Thoracic Surgery, Istanbul University Cerrahpasa-Cerrahpasa Medical School, Yeşilköy Cerrahpaşa Tıp Fakültesi Prof. Dr. Murat Dilmener Hastanesi, Yeşilköy, Yeşilköy Caddesi, Bakırköy, Istanbul, Türkiye.
European journal of medical research
|April 15, 2025
概括
深度学习模型准确地预测了非小细胞肺癌手术后的重症监护病房入院需求. 这种人工智能驱动的方法通过客观的决策来提高术后护理的安全性.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 关键护理医学 关键护理医学
背景情况:
- 在非小细胞肺癌 (NSCLC) 手术后,标准化重症监护病房 (ICU) 入院协议缺乏.
- 预测NSCLC手术后的ICU需求对于优化患者的治疗结果和资源配置至关重要.
研究的目的:
- 开发和验证深度学习模型,用于预测NSCLC手术后ICU入院的必要性.
- 利用人工智能为NSCLC患者的术后护理提供客观的决策.
主要方法:
- 对953名NSCLC患者病历 (2001-2023) 的分析,包括临床,实验室,呼吸,放射和手术数据.
- 完全连接的神经网络算法的应用,用于深度学习的k-fold交叉验证.
- 结果变量:入住重症监护室.
主要成果:
- 深度学习模型在培训数据上实现了高性能指标 (例如,92.0%的准确性,90.5%的平均F1分数).
- 在测试数据上,该模型显示了85.3%的准确性,82.3%的平均F1得分和0.83.3的AUC.
- 该模型显示了强大的预测能力,对ICU入院的必要性.
结论:
- 深度学习模型可以可靠地预测在NSCLC手术后需要接受ICU的需要.
- 人工智能算法为术后ICU住院提供客观和成功的决策支持,提高患者安全.
