科学领域:

• 医疗保健中的人工智能
• 手术规划和优化 - 手术规划和优化
• 儿科瘤学 儿科瘤学

背景情况:

• 在儿科瘤学中,手术等待时间对于治疗疗效和患者的治疗结果至关重要.
• 准确预测外科等待时间对于有效的资源配置和临床决策至关重要.
• 目前用于预测外科等待时间的方法可能缺乏精度,特别是在复杂的儿科瘤病例中.

研究的目的:

• 开发和验证基于人工智能 (AI) 的两相模型,用于预测儿科瘤患者的外科等待时间.
• 为了对儿科瘤患者的手术程序的紧急性进行分类.
• 估计这个患者队伍中紧急病例的外科等待时间.

主要方法:

• 通过使用来自1478名儿科瘤患者和6145次手术的真实世界数据,开发了一个双相AI模型.
• 第1阶段涉及对手术紧急情况的分类,而第二阶段估计了紧急病例的等待时间.
• 随机森林算法被评价为主要的机器学习方法,用于特征解释性的SHAP分析.

主要成果:

• 随机森林算法在手术紧急性分类和等待时间估计方面都表现出卓越的性能.
• SHAP分析揭示了影响两个模型阶段的一致的关键预测特征.
• 人工智能模型的预测能力在大量数据集上得到了验证,表明了强度.

结论:

• 基于人工智能的模型可以显著改善儿童瘤学手术等待时间的预测.
• 开发的模型支持增强的手术规划,优化资源配置和明智的临床决策.
• 这种方法对简化外科手术工作流程和改善儿科瘤学患者护理途径充满希望.