通过机器学习方法预测慢性的愈合:糖尿病足病例研究的初步结果

科学领域:

• 医疗信息学 医疗信息学
• 计算生物学 计算生物学
• 伤口治愈研究研究 伤口治愈研究

背景情况:

• 糖尿病足影响全球数以百万计的人,需要改善治愈轨迹的预测.
• 准确的预后对于有效治疗和减少慢性伤口护理中的并发症至关重要.

研究的目的:

• 通过预测建模,提高糖尿病足的预后和临床决策.
• 为了比较各种深度神经网络 (DNN) 和机器学习 (ML) 模型在预测伤口愈合方面的有效性.

主要方法:

• 利用了1766例糖尿病脚伤的数据集,并进行了至少三次后续检查.
• 纳入的临床特征:伤口床准备 (WBP) 评分,伤口面积,深度和组织状况.
• 评估了12个预测模型,包括一个三层长短期记忆 (LSTM) 经常性DNN.

主要成果:

• LSTM DNN 模型实现了80%的准确性,AUC 为 0.85,回忆率为 0.80,精度为 0.79,F1 评分为 0.80.
• 确定了关键预测因素:最初的伤口深度和面积,其次是第二次访问的伤口面积和颗粒组织百分比.
• 模型的表现在训练四次访问的伤口数据时是最高的.

结论:

• 预测建模为糖尿病足的管理提供了一个有价值的工具,支持临床实践.
• 未来的工作包括开发用于组织分类的语义细分模型 (死亡,,颗粒),以进一步提高预测准确性.