人工智能模型用于预测胸部创伤患者的肺部并发症:一项回顾性研究

科学领域:

• 医疗信息学 医疗信息学
• 创伤外科 手术 创伤外科
• 人工智能在医学中的应用

背景情况:

• 肺炎和呼吸衰竭等肺部并发症是胸部创伤患者死亡和疾病的重要原因.
• 现有的人工智能 (AI) 模型主要专注于预测整体创伤死亡率,而不是特定的肺部并发症.

研究的目的:

• 开发和验证一种可解释的AI模型,用于预测胸部创伤患者的肺部并发症.
• 为解决基于人工智能的预测模型的差距,特别是在这个患者群体的肺部问题.

主要方法:

• 对1,040名胸部受伤患者进行了回顾性分析.
• 训练和验证了多个机器学习算法 (XGBoost,随机森林,AdaBoost,LightGBM,深度神经网络).
• 模型的解释性是使用Shapley增量解释 (SHAP) 值进行评估的.

主要成果:

• 18.1%的患者出现了肺部并发症.
• XGBoost模型实现了0.856的最高曲线下面积 (AUC),AdaBoost显示了最高的平衡精度 (0.779).
• 确定的主要预测因素包括年龄,受伤严重程度得分,格拉斯哥昏迷表得分和初始氧化比率.

结论:

• 开发的AI模型准确地预测了胸部创伤患者的肺部并发症,超过了传统的评分系统.
• 该模型的可解释性为早期风险分层和知情决策提供了宝贵的临床见解.
• 这种人工智能工具支持创伤护理中的基于证据的实践.