机器学习为肺移植接受者预测1年的移植失败:韩国器官移植注册
Dasom Noh1, Sunyoung Kwon1,2,3, Woo Hyun Cho4,5
1Department of Information Convergence Engineering, Pusan National University, Yangsan, South Korea.
Clinical transplantation
|August 9, 2025
概括
预测1年肺移植移植的移植失败至关重要. 使用9个移植前因素的深度学习模型准确识别高风险患者,改善肺移植结果.
科学领域:
- 移植医学 移植医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 优化肺移植效率至关重要,因为供体供应有限.
- 移植失败的术前预测有助于候选人选择和临床决策.
研究的目的:
- 开发和验证一种深度学习模型,用于预测肺移植后1年的移植缺陷.
- 确定影响移植失败的关键移植前因素.
主要方法:
- 利用了韩国器官移植登记处的数据 (240例).
- 开发了一个使用5倍交叉验证的深度学习模型.
- 选择了前9个移植前变量,其系数≥0.25.
主要成果:
- 在240名接受者中,有55人 (22.92%) 在1年内发生了移植失败.
- 该模型纳入了年龄,细菌血症,糖尿病和其他因素.
- 实现了0.780的曲线下面积 (AUC) 和0.733.3的精度.
结论:
- 一个机器学习模型有效地预测了1年的肺移植移植失败.
- 该模型使用最小的一组移植前变量.
- 临床应用需要进一步验证.
