机器学习模型与多重推算与顺序近邻推算用于预测异常突发感应神经听力损失患者的预后
Yabin Jin1,2,3,4, Meige Li5,6,4, Minghong Li7,4
1School of Computer and Communication Engineering, Beijing Advanced Innovation Center for Materials Genome Engineering, University of Science and Technology Beijing, Beijing, China.
Ear and hearing
|August 27, 2025
概括
本研究确定了使用机器学习预测异常突发神经听力损失 (ISSNHL) 的关键因素. 新的预测指标,比如声波排放和BMI, 提高了预测的准确性,
科学领域:
- 耳鼻喉科
- 听力学
- 医疗信息学
背景情况:
- 异常性突发神经听力损失 (ISSNHL) 的预后可能会变化.
- 准确预测ISSNHL结果对于指导治疗和患者管理至关重要.
研究的目的:
- 调查ISSNHL的预后因素.
- 开发和评估机器学习模型以使用多重归算来预测ISSNHL的预后.
主要方法:
- 用标准化方案治疗的600名ISSNHL患者的回顾性分析.
- 收集临床,听力测量和实验室数据;对缺失值进行多次归算.
- 对六个机器学习分类器的评估和对模型可解释性的特征重要性分析.
主要成果:
- 在各种临床和听力学参数中观察到显著的预后差异.
- 三个机器学习分类器显示出强大的预测性能.
- 特征重要性分析确定了关键预测因素,特征减少后模型性能稳定.
结论:
- 确定了ISSNHL的新预后因素,包括扭曲产品引起的耳声发射反应,听觉脑干反应,逆侧听力值和BMI.
- 具有多重归因的机器学习模型为ISSNHL预测提供了有前途的方法.
- 建议进一步验证以促进临床应用和改善患者的治疗结果.
更多相关视频
08:30Neonatal Murine Cochlear Explant Technique as an In Vitro Screening Tool in Hearing Research
Published on: June 8, 2017
17.9K
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
492
