机器学习模型用于预测肝移植后胆道并发症.
Feng Hu1, Yuancheng Li1, Hongfei Zeng2
1Department of Hepatobiliary Surgery, Southwest Hospital, Third Military Medical University (Army Medical University), Chongqing, China.
Clinical and translational gastroenterology
|April 18, 2025
概括
机器学习可以准确地预测肝移植后胆道并发症. 这项研究确定了捐赠者的年龄和糖尿病等关键风险因素,有助于患者管理.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 移植手术 移植手术
- 医疗信息学 医疗信息学
背景情况:
- 胆道并发症 (BCs) 是肝移植后的重大风险,风险因素定义不佳,发病时间可变.
- 机器学习 (ML) 在分析复杂的医疗数据以预测肝移植方面表现有前途.
研究的目的:
- 确定ML是否能有效地预测肝移植后的BCs.
- 在移植后的3,6个月和12个月确定BCs的特定风险因素.
主要方法:
- 利用来自两个中心的517名患者的数据,随机分为培训和验证集.
- 在模型验证和解释中采用K折交叉验证,合成少数过量采样技术和SHapley添加式扩平 (SHAP) 值.
- 开发和评估了7个ML算法,用于在移植后3,6和12个月预测BCs.
主要成果:
- 支持向量机 (SVM) 证明了BCs的最高预测准确性,AUC值为0.916 (3个月),0.892 (6个月) 和0.885 (12个月).
- 确定了关键的3个月风险因素:捐赠者的年龄,末期肝病 (MELD) 模型得分,瘤性疾病,糖尿病,高血压和手术内输血.
- 确定了6个月的风险因素:接受者的年龄,捐赠者和接受者的BMI,以及糖尿病. 12个月的风险因素包括接受者的年龄,糖尿病和巴西利西马布.
结论:
- 在所有术后期间,ML算法有效地识别了BCs的风险因素.
- 这些发现为优化患者管理和潜在地减轻肝移植后BCs提供了宝贵的见解.
