开发可解释的机器学习模型,以预测膝关节骨关节炎的血小板丰富血注射后的结果

科学领域:

• 整形外科 整形外科 整形外科
• 再生医学是一种再生医学.
• 数据科学数据科学数据科学

背景情况:

• 富血小板血 (PRP) 注射越来越多地用于膝关节关节炎,但结果各不相同.
• 需要预测模型来确定可能从PRP治疗中受益的患者.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于预测在膝关节骨关节炎患者注射PRP后的临床结果.

主要方法:

• 分析了接受PRP的191名膝关节骨关节炎患者的回顾性队列.
• 用患者人口统计和基线PROM来训练和测试ML算法.
• 主要结局是预测注射后6个月临床重要差异最小.

主要成果:

• 可解释增强机 (EBM) 显示出最好的预测性能 (AUC-ROC 0.81).
• 基线PROMIS心理和KOOS JR得分是治疗成功的最重要的预测指标.
• 除了PROMIS得分,模型的性能显著降低.

结论:

• ML模型,特别是EBM,可以有效地预测PRP后膝关节骨关节炎的有意义改善.
• PROMIS心理和KOOS JR分数是个性化治疗策略的关键预测指标.
• 建议对开发的模型进行外部验证.