基于学习的肝切除术后肝功能衰竭的早期检测,使用时间外科手术数据:中国全国多中心回顾性研究

科学领域:

• 人工智能在医学中的应用
• 手术瘤学手术瘤学
• 肝病学 肝病学是一种肝病学.

背景情况:

• 肝切除术后肝衰竭 (PHLF) 是肝脏手术后的一个关键并发症,通常缺乏早期检测方法.
• 早期发现PHLF对于改善患者的治疗结果和降低死亡率至关重要.
• 目前的方法缺乏足够的灵敏度,无法及时检测PHLF.

研究的目的:

• 开发和验证人工智能 (AI) 模型,以在手术后24小时内早期检测PHLF.
• 利用外科手术期间数据的时间特征分析来提高PHLF预测.
• 与现有方法相比,提高PHLF检测的准确性和及时性.

主要方法:

• 一项全国性的多中心回顾性研究,涉及中国1832名患者和MIMIC-IV数据库中的242名患者.
• 使用深度学习模型 (来自变压器的生物临床双向编码器表示) 来分析电子健康记录 (EHR) 数据的时间特征.
• 将AI模型的性能与最先进的机器和深度学习算法进行了比较,并进行了解释性分析.

主要成果:

• 人工智能模型实现了高精度,在中国队列中AUC为0.952 (内部验证) 和0.884 (外部验证).
• 尽管数据不完整,但在MIMIC-IV队列中显示了概括潜力 (AUC 0.654).
• 显著改善了临床医生的预测 (AUC 0.778对比 0.637) 并显示了风险分层和处理不完整输入的多功能性.

结论:

• 人工智能模型为早期PHLF检测提供了最先进的性能,提高了准确性,概括性,解释性和多功能性.
• 这种人工智能方法显示出改变肝切除术患者的术后管理的前景.
• 对PHLF的早期检测和干预可以显著提高患者的生存率.