开发和验证一款机器学习模型,以预测皮肤透视膜内切除术后持续疼痛的风险
1Department of Orthopedics, Wuhan Hospital of Traditional Chinese Medicine, Wuhan, Hubei, China.
Frontiers in surgery
|August 7, 2025
概括
机器学习模型预测腰椎间盘手术后持续的疼痛. 创伤史,结石化和炎症标志物是术后疼痛的关键危险因素.
科学领域:
- 脊柱手术的结果 脊柱手术的结果
- 医疗人工智能的人工智能
- 疼痛管理 疼痛管理
背景情况:
- 持续的疼痛是皮层椎间盘椎间盘的皮肤穿越膜内切除术 (PTED) 后的常见并发症.
- 识别风险因素和预测模型对于临床决策至关重要.
研究的目的:
- 利用机器学习模型来预测PTED后持续的疼痛.
- 确定持续性疼痛的关键影响因素.
- 构建一个风险模型来评估持续疼痛的可能性.
主要方法:
- 比较基线特征和病理指标.
- 应用后勤回归,支持向量机,XGBoost和多层感知器模型.
- 使用网格搜索和10倍交叉验证优化模型;通过ROC曲线,F1得分,准确性,回忆和精度评估性能.
主要成果:
- XGBoost和多层感知器模型显示出最佳性能 (AUC为0.907和0.916).
- SHAP分析确定腰椎创伤史和结石化作为关键的积极预测因素.
- 炎症标志物升高和年龄较大也显著影响了预测.
结论:
- 腰椎创伤史,结石化和炎症标志物预测PTED后持续疼痛.
- 基于XGBoost和MLP的风险预测模型显示出高预测准确度.
- 开发的模型可以帮助临床决策管理PTED后疼痛.
