使用机器学习对胃癌手术后术后并发症的时间顺序预测:一个多中心队列研究
Motonari Ri1,2, Souya Nunobe3, Tomonori Narita2
1Department of Gastroenterological Surgery, Cancer Institute Hospital, Japanese Foundation for Cancer Research, 3-8-31 Ariake, Koto-Ku, Tokyo, 135-8550, Japan.
概括
机器学习模型使用全面的外科手术数据准确预测胃癌手术后的并发症. 基于小时的模型提供时间序列预测,帮助临床决策和改善患者的治疗结果.
科学领域:
- 手术瘤学手术瘤学
- 机器学习在医学中的应用
- 预测分析是一种预测分析.
背景情况:
- 现有的后勤回归模型缺乏对胃癌手术后并发症的时间序列预测能力.
- 对于时间序列预测,还没有完全探索使用机器学习 (ML) 进行全面的周围手术数据集成.
研究的目的:
- 开发和评估时间序列机器学习模型,用于预测胃癌手术后的并发症.
- 通过使用综合的术后数据,评估基于小时和术后日期的ML模型的准确性.
主要方法:
- 开发了四种ML模型:术后一天 (POD) 1,POD 3,24小时和8小时的预测模型.
- 利用了从4139名接受胃癌手术 (2013-2019) 的患者获得的综合周术数据.
- 用重复验证的接收器运行特征曲线 (AUC) 下面的面积来评估模型性能.
主要成果:
- 8小时的ML模型实现了整体并发症的最高AUC (0.737).
- 在POD3模型中,胰腺抽 (0.869) 和腹腔 (0.821) 的AUC值>0.8.
- 8小时模型在特定并发症 (例如,胰腺囊0.889,腹腔腹0.842) 中显示出更高的AUC.
- 在8小时模型中的关键预测因素包括C-反应蛋白,脉率和手术内流血.
结论:
- 基于小时的ML模型有效地预测胃癌手术后的并发症,准确度很高.
- 这些模型提供时间序列预测能力,增强临床决策.
- 综合全面的外科手术期间数据可以提高预测性能,从而改善患者的治疗结果.
