相关实验视频
Updated: Sep 15, 2025
07:17
An Orthotopic Resectional Mouse Model of Pancreatic Cancer
Published on: September 24, 2020
10.9K
胰腺切除术后出血预测的机器学习模型:一项国际多中心队列研究
Zhe Zhang1, Xueping Zhao2, Minjie Shang3
1The Second Clinical Medical College, Zhejiang Chinese Medical University, Hangzhou, China.
BMJ open
|July 16, 2025
概括
一个新的机器学习模型准确地预测了胰腺切除术后出血 (PPH) 的风险. 该工具有助于早期识别高风险患者,以改善临床管理.
科学领域:
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 胰腺切除术后出血 (PPH) 是一个严重的并发症.
- 准确的风险分层对于及时干预至关重要.
- 现有的模型在识别高风险患者时可能缺乏准确性.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于精确地分类PPH的风险分层.
- 为了能够早期识别患有PPH高风险的患者.
- 引导临床干预以改善患者的治疗结果.
主要方法:
- 追溯的国际多中心队列研究.
- 使用来自美国和中国的数据开发和外部验证ML模型.
- 包括3609名正在接受培训的患者和1347名在验证队列中的患者,他们接受了胰腺双管切除术.
主要成果:
- 一个最小绝对收缩和选择操作员 (Lasso) 梯度增强机器模型确定了PPH的八个关键预测因素.
- 该模型实现了高分辨率 (AUC 0.84培训,0.82验证) 和超越后勤回归.
- 将风险分为低风险,中风险和高风险群体的分层显示出强大的歧视力 (AUC 0.72-0.75).
结论:
- 一个新的,可解释的PPH预测ML模型显示了强大的国际表现.
- 该模型作为临床工具的部署可以促进高风险患者的积极管理.
- 在广泛临床实施之前,建议进行前性验证.
