相关实验视频
Updated: Sep 9, 2025
06:13
The Intra-Aortic Balloon Pump
Published on: February 5, 2021
22.1K
在接受冠状动脉旁路移植的患者中预测术前的动脉内气球的机器学习
Qian Zhang1, Peng Zheng1, Yang Pan1,2
1Department of Cardiology, The First Affiliated Hospital with Nanjing Medical University, 300 Guangzhou Road, Nanjing, Jiangsu, 210029, China.
Journal of cardiothoracic surgery
|August 28, 2025
概括
这项研究开发了一种机器学习模型,用于预测冠状动脉旁路移植 (CABG) 患者手术前需要内动脉气球 (IABP) 植入,以帮助临床决策.
科学领域:
- 心脏病学
- 医疗信息学
- 在医疗保健中的机器学习
背景情况:
- 在心脏手术期间心脏性休克时,输入大动脉气球 (IABP) 是至关重要的.
- 目前还没有有效的预测模型用于手术前IABP植入.
- 早期识别需要进行手术前内腔动脉治疗的患者对于手术规划至关重要.
研究的目的:
- 开发和评估用于预测手术前IABP植入风险的机器学习模型.
- 确定与CABG患者手术前使用IABP相关的关键风险因素.
- 增强早期风险分层和心脏手术的临床决策.
主要方法:
- 从2015年1月到2024年3月接受冠状动脉旁路移植 (CABG) 的患者的回顾性分析.
- 通过最小绝对收缩和选择操作员交叉验证 (LassoCV) 算法进行特征选择的机器学习模型的开发.
- 使用接收器运行特征曲线 (AUC) 下面的面积和Kolmogorov-Smirnov (KS) 图表对模型性能进行评估.
主要成果:
- 高斯天真贝叶斯 (GNB) 模型表现出优异的预测性能,AUC为0.76 (训练) 和0.72 (验证).
- 在GNB模型中确定了手术前IABP植入的六大重要风险因素.
- 沙普利添加式分析 (SHAP) 提供了可视化,个性化的风险预测.
结论:
- 在CABG患者的手术前IABP植入预测中,高斯原始贝叶斯模型 (GNB) 显示出高效率.
- 这种预测模型可以帮助临床医生进行风险评估和治疗计划.
- 这些发现支持整合机器学习以改善心脏手术的结果.
