机器学习算法作为在光腹腔镜胆囊切除术患者中延长手术时间的早期诊断工具:一项回顾性队列研究
Chu Wang1,2, JunYe Wen2, ZiYi Su3
1Graduate School, Hebei North University, Zhangjiakou, Hebei, China.
Frontiers in surgery
|July 8, 2025
概括
这项研究确定了光腹腔镜胆囊切除术中延长手术时间的关键风险因素. 一个机器学习模型准确地预测了长时间的手术时间,帮助外科医生在患者管理中.
科学领域:
- 手术创新 在外科创新.
- 医疗信息学 医疗信息学
- 肝胆道手术 肝胆道手术
背景情况:
- 光腹腔镜胆囊切除术 (LC) 是胆囊结石的常见手术.
- 识别延长手术时间 (OT) 的因素对于优化手术效率至关重要.
- 预测建模可以通过预测潜在的延迟来提高患者护理.
研究的目的:
- 探索与光LC中延长的操作时间相关的风险因素.
- 开发和验证用于预测长期OT的机器学习 (ML) 模型.
- 帮助外科医生识别患有更高风险的患者,以延长外科手术的持续时间.
主要方法:
- 对接受光LC的患者的临床数据的回顾性分析.
- 使用单变量,多因素和LASSO回归进行参数选.
- 集成的11ML分类模型,光梯度增强机 (LightGBM) 被选为最佳.
主要成果:
- 长时间的OT (≥85分钟) 发生在726名患者中的29%.
- 确定了关键预测因素:胆囊炎类型,孔数,胆囊粘附,先前使用抗生素和胆囊厚度.
- 轻GBM模型表现出强大的预测性能 (AUC 0.876,准确率为 0.843).
结论:
- 基于LightGBM模型的诺米图可以评估延长光LC时间的风险.
- 该工具帮助外科医生识别可能经历延长手术时间的患者.
- 改善风险分层可以导致更好的手术规划和患者的治疗结果.
