用机器学习方法进行表皮卵巢癌手术后Clavien Dindo分类≥III级并发症的预测
Aysun Alci1, Fatih Ikiz2, Necim Yalcin1
1Department of Gynecologic Oncology, Health Sciences University Antalya Training and Research Hospital, Antalya 07100, Turkey.
Medicina (Kaunas, Lithuania)
|April 26, 2025
概括
这项研究发现,贝叶斯网络模型是预测卵巢癌手术后严重并发症 (Clavien-Dindo III级或更高) 的最准确方法. 这种机器学习方法可以通过识别高风险个体来改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 手术并发症 手术并发症
背景情况:
- 卵巢癌手术涉及到彻底切除,具有严重的并发症风险.
- 预测严重并发症 (Clavien-Dindo等级≥III) 对于患者管理至关重要.
研究的目的:
- 确定最有效的机器学习模型来预测卵巢癌手术中的严重并发症.
- 用临床和手术数据评估各种算法的性能.
主要方法:
- 一项对179名接受卵巢癌手术的患者的回顾性研究.
- 使用49个预测因素开发和评估机器学习模型.
- 性能指标包括精度,AUC,灵敏度和特异性.
主要成果:
- 贝叶斯网络模型在预测Clavien-Dindo等级≥III并发症方面表现出最高的准确性 (82.2%).
- 该模型实现了曲线下的面积 (AUC) 为0.863 (p < 0.001).
- 没有一个单一的预测者主导着贝叶斯网络的预测.
结论:
- 贝叶斯网络模型是预测卵巢癌手术后严重并发症的高度准确的工具.
- 这种预测能力可以帮助优化手术规划和患者护理.
- 机器学习提供了一个有前途的方法来提高妇科瘤手术的安全性.
