为了简化骨科咨询:通过计算机辅助的历史记录来对膝关节诊断组进行机器学习分类
Jacobien H F Oosterhoff1, Twan Slaats1, Tristan Warren2
1Faculty of Technology Policy and Management, Delft University of Technology, Delft, the Netherlands.
The Knee
|June 6, 2025
概括
一个机器学习 (ML) 算法从患者病史准确预测膝盖诊断,改善骨科护理. 这个工具有助于简化咨询,通过将患者引导到专门的外科医生,以治疗膝关节关节炎或带损伤等疾病.
科学领域:
- 整形外科 整形外科 整形外科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 膝关节问题越来越多,需要优化骨科医疗保健.
- 预测诊断可以提高咨询工作流程的效率.
- 一个机器学习 (ML) 算法被开发用于膝盖诊断预测.
研究的目的:
- 开发和内部验证用于预测膝盖诊断组的ML算法.
- 用计算机辅助的历史记录来预测患者的诊断.
- 帮助优化骨科咨询工作流程.
主要方法:
- 一项前性队列研究包括1172名患有膝关节疾病的患者.
- 开发了五个ML算法,并进行了内部验证.
- 绩效是使用歧视 (AUC),准确性,精度,回忆和F1分数来评估的.
主要成果:
- 支持向量机算法展示了最好的性能.
- 实现了高分辨率 (AUC = 0.92),准确性 (0.84),精度 (0.85),回忆 (0.84),以及F1得分 (0.82).
- 模型整合了患者的特征和计算机辅助的病史数据.
结论:
- 机器学习算法在预测膝盖诊断方面显示出显著的前景.
- 整合可以简化患者转诊到专门的骨科外科医生.
- 促进针对膝关节关节炎和带损伤等疾病的有针对性的护理.
