相关实验视频
Updated: Sep 19, 2025

5/6 Nephrectomy Using Sharp Bipolectomy Via Midline Laparotomy in Rats
Published on: April 4, 2025
从规划到预后:预测人工智能微创性部分切除术后的功能
Daniele Amparore1, Alberto Piana2, Andrea Simeri3
1Department of Urology, San Luigi Gonzaga Hospital, University of Turin, Orbassano, Turin, Italy - danieleamparore@hotmail.it.
这项研究开发了一种人工智能模型,用于预测部分切除手术后功能损失. 该模型准确地预测了估计的膜过率 (eGFR) 的下降,有助于个性化手术规划.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 人工智能在医学中的应用
背景情况:
- 最少侵入性部分切除术是对瘤的标准治疗方法.
- 预测术后功能下降对于患者管理至关重要.
- 目前用于预测手术后功能的方法有局限性.
研究的目的:
- 开发和验证一种机器学习模型,用于预测经过微创部分切除术后功能下降.
- 为了确定关键的患者,瘤和外科手术变量影响术后估计质过率 (eGFR) 的下降.
- 在这个预测任务中评估随机森林回归模型的性能.
主要方法:
- 利用了2015年至2023年间接受微创部分切除术的556名患者的数据集.
- 患者人口统计学,瘤特征和手术内手术细节 (紧策略,切除技术,瘤类型) 被列入特征.
- 训练了一种随机森林回归模型,并对其预测3个月后术后eGFR下降的能力进行了评估.
主要成果:
- 随机森林回归模型实现了89.29%的预测准确度.
- 该模型在估计eGFR下降时显示了8.09mL/min/1.73m2的平均绝对误差.
- 在预测和实际结果之间观察到强烈的相关性 (r=0.904,P<10−42).
结论:
- 机器学习,特别是随机森林回归器,可以准确地预测部分切除术后的功能下降.
- 该模型的高精度支持其在个性化手术规划中的实用性,用于脏节约手术.
- 人工智能驱动的预测可以提高接受节约手术的患者的管理.
更多相关视频
09:02A Large Animal Model for Acute Kidney Injury by Temporary Bilateral Renal Artery Occlusion
Published on: February 2, 2021
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Acute Kidney Injury IV: Diagnostic Studies and Prevention
Kidney Transplant II: Surgical Procedure
Factors Affecting Renal Clearance: Renal Impairment
One condition associated with renal failure is uremia. Uremia is characterized by impaired glomerular filtration and fluid accumulation in the body. This condition hinders the renal clearance of drugs, resulting in drug accumulation and potential...
Kidney Transplant III: Nursing Management
Acute Kidney Injury I: Introduction
Acute Kidney Injury V: Interprofessional Care