开发一种机器学习模型,用于预测关闭脊柱失色症儿童的损伤
Yu He1, Wan-Liang Guo2, Ming-Chang Zhang3
1Department of Radiology, Children's Hospital of Soochow University, Suzhou, 215025, China.
BMC pediatrics
|August 2, 2025
概括
机器学习准确地预测了儿童关闭脊柱失色症 (CSD) 的损伤. XGBoost模型确定了关键的风险因素,使得早期干预能够保持功能.
科学领域:
- 儿科脏病学 儿科脏病学
- 计算医学是一种计算医学.
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
背景情况:
- 关闭脊髓失力症 (CSD) 的损伤通常是由神经性膀功能障碍引起的.
- 这种损伤增加了慢性病的风险,并影响了长期的结果.
- 早期识别有风险的患者对于及时干预和改善膀管理至关重要.
研究的目的:
- 开发和评估用于预测儿科CSD患者损伤的机器学习模型.
- 在这个人群中确定损伤的关键预测因素.
主要方法:
- 对110名患有心血管疾病的儿童进行了回顾性分析.
- 开发和比较四种机器学习模型:逻辑回归,支持向量机,决策树和极端梯度增强 (XGBoost).
- 使用AUC,校准曲线和决策曲线分析评估模型性能;使用SHAP和LIME解释.
主要成果:
- XGBoost模型显示出优异的预测性能,AUC为0.957.
- SHAP分析确定了异常的放射性下泌尿道发现,女性性别和高度膀外流作为最重要的预测因素.
- 该模型有效地预测了CSD儿童的损伤.
结论:
- 使用XGBoost算法的精确机器学习模型已成功开发,用于预测CSD儿童的损伤.
- 这种预测模型有可能用于早期风险分层和干预,以保持功能.
