机器学习用于预测老年患者的外科神经认知障碍:与皮症相关的特征的影响
Zhengyu Qian1, Xiaochu Wu1,2,3, Kunyang He1
1School of Clinical Medicine, Chengdu Medical College, Chengdu, China.
Frontiers in medicine
|September 3, 2025
概括
机器学习可以准确地预测老年手术患者的经手术神经认知障碍 (PND). 通过SHAP增强的AdaBoost模型提供了可靠的手术前风险评估.
科学领域:
- 老年医学
- 计算生物学
- 外科瘤学
背景情况:
- 在老年手术患者中,与神经认知障碍 (PND) 有显著的相关性.
- 识别有风险的个体对于改善手术前风险分层和患者选择至关重要.
- 机器学习 (ML) 为预测这一群体的PND提供了一个有前途的方法.
研究的目的:
- 开发和验证用于预测老年手术患者PND风险的ML模型.
- 在预测模型中纳入与皮症相关的特征.
- 使用可解释的人工智能识别PND的关键预测因素.
主要方法:
- 收集了443名接受非心脏手术的患者的数据.
- 构建并比较了五个ML模型:SVM,XGBoost,GBM,AdaBoost和随机森林.
- 使用SHapley添加式解释 (SHAP) 来解释表现最佳的模型.
主要成果:
- 在AdaBoost模型中,AUC为0. 95.
- SHAP发现的关键预测指标包括6米的步行速度,MMSE得分,握力,尾骨质量和肉症评估年龄.
- AdaBoost显示出优异的预测性能,高的可解释性和可靠性.
结论:
- ML模型,特别是AdaBoost与SHAP,显示了在老年手术患者中预测PND的显著潜力.
- 该模型对皮症特征的解释性提高了其在手术前风险评估中的临床实用性.
- 这种方法可以提高老年手术患者的临床管理和治疗决策的准确性.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.6K
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
8.0K
