基于机器学习的无线电脑断层扫描和临床数据预测了监禁 inguinal 的肠切除

科学领域:

• 放射学 放射学是一门学科.
• 医学成像分析 医学成像分析
• 医疗保健中的机器学习

背景情况:

• 在监禁 inguinal (IIH) 中早期识别肠切除风险至关重要但具有挑战性.
• 放射学和机器学习为评估IIH风险提供了新的方法.

研究的目的:

• 开发一种放射性临床模型,用于预测IIH患者的肠切除风险.
• 通过改善风险分层来加强临床决策.

主要方法:

• 对214名IIH患者的回顾性分析,分为训练和测试组.
• 从CT扫描中提取的放射性特征囊困肠道段.
• 通过将放射性得分与临床数据结合起来,构建了一个名图.

主要成果:

• 通过逻辑回归选择的13个特征的放射性模型显示出良好的性能 (AUC 0.828-0.791).
• 综合放射性-临床名录显示出卓越的预测能力 (AUC 0.864-0.800).
• 决策曲线分析证实了名图对独立模型的优势.

结论:

• 开发的放射性临床野图有效预测IIH的肠切除风险.
• 这种工具有助于对需要风险评估的IIH患者进行临床决策.