副脊柱肌肉脂肪透作为症状性脊髓内真空裂的关键预测因素:一种机器学习方法
Joonghyun Ahn1, Jaewan Soh2, Young-Hoon Kim3
1Department of Orthopedic Surgery, Bucheon St. Mary's Hospital, College of Medicine, The Catholic University of Korea, Bucheon 14647, Republic of Korea.
Journal of clinical medicine
|May 14, 2025
概括
机器学习模型准确地预测了症状性脊髓内真空裂 (SIVC) 通过结合副脊髓肌肉脂肪透. 这一发现改善了脊椎压缩骨折 (VCF) 的早期诊断和管理.
科学领域:
- 脊柱外科手术 脊柱外科手术
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 症状性脊椎内真空裂 (SIVC) 是脊椎压缩骨折 (VCF) 的痛苦并发症.
- 由于其复杂的原因,预测SIVC具有挑战性.
- 准脊髓肌肉脂肪透在SIVC预测中的作用尚未得到充分研究.
研究的目的:
- 开发机器学习 (ML) 模型来预测SIVC.
- 评估肌肉相关变量对SIVC预测准确性的影响.
主要方法:
- 收集的人口,放射和肌肉相关数据.
- 经过训练和测试的ML模型 (逻辑回归,随机森林,XGBoost,多层感知器) 有或没有肌肉变量.
- 评估模型使用准确度,AUC和特征重要性.
主要成果:
- 随机森林模型与肌肉变量实现了96.6%的准确性和0.956 AUC.
- 多和勃起脊柱脂肪透是关键预测因素.
- 包括肌肉变量在内,显著提高了所有ML模型的性能.
结论:
- ML模型,特别是随机森林模型,在考虑肌肉脂肪透时准确地预测SIVC.
- 副脊髓肌肉脂肪透是SIVC的一个关键预测因素.
- 将肌肉脂肪透纳入风险评估可以改善SIVC诊断和管理.


