机器学习:一种新的方法来预测视觉结果和影响它的因素在患有下垂体腺瘤的患者

科学领域:

• 神经外科 神经外科
• 眼科医生 眼科 眼科
• 机器学习 机器学习

背景情况:

• 垂体腺瘤可以导致显著的视力缺陷.
• 预测手术后的视觉结果对于患者管理至关重要.

研究的目的:

• 开发和评估一种机器学习 (ML) 模型,用于预测患有垂体腺瘤的患者的视觉结果.
• 确定影响术后视力恢复的关键因素.

主要方法:

• 对284名脑垂体腺瘤患者进行了回顾性分析,这些患者患有手术前视力缺陷.
• 使用Weka软件与J48树,LMT,REP树和随机森林算法进行分类.
• 收集患者变量,包括瘤体积,视力敏度和症状持续时间.

主要成果:

• 手术后89.78%的患者的视力得到改善.
• 视觉结果的关键预测因素包括切除程度,手术前视力敏度,瘤体积和症状持续时间.
• 该ML模型实现了88.94%的准确性,AUC为0.846.

结论:

• 机器学习提供了一个有前途的工具,用于预测下垂体腺瘤手术后的视觉结果.
• 准确的预测可以提高患者特定的护理和咨询.
• 开发的ML模型在预测视觉恢复方面表现出很高的准确性.