一种机器学习工具,用于预测外周动脉疾病患者第一次手术后的生存率
Martina Doneda1,2,3, Ettore Lanzarone2, Fabio Riccardo Pisa4
1Department of Electronics Information and Bioengineering (DEIB), Politecnico Di Milano, Milan, Italy.
这项研究开发了一种机器学习工具,用于预测外科手术后外周动脉疾病 (PAD) 患者的生存率. 该模型使用简单的临床数据准确预测死亡率,有助于更好地管理患者.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 血管外科手术的结果
背景情况:
- 周围动脉疾病 (PAD) 带来了显著的死亡风险,特别是在手术后.
- 准确预测长期存活率对于优化PAD患者管理和治疗策略至关重要.
- 现有的预后工具可能无法充分利用机器学习在PAD生存预测方面的潜力.
研究的目的:
- 开发和验证一种机器学习工具,用于预测接受手术治疗的PAD患者的生存率.
- 确定PAD患者手术后死亡率的关键预测因素.
- 评估开发的预测模型的性能.
主要方法:
- 利用了2005年至2020年期间接受PAD手术的1615名患者的数据.
- 使用渐变增强决策树 (GBDTs) 来预测手术后的一年,三年和五年的死亡率.
- 使用SHAP值评估预测因素的重要性.
主要成果:
- 预测模型实现的曲线下的面积 (AUC) 值为0.86 (1年),0.84 (3年) 和0.80 (5年).
- 确定疾病阶段,年龄,慢性病,住院时间和并发症作为主要预测因素.
- 失脂症对1年和3年死亡率有轻微的预测值.
结论:
- 简单的临床和人口参数足以训练有效的GBDT模型用于PAD生存预测.
- 开发的机器学习工具显示了PAD患者死亡率的强大预测性能.
- 这种工具可以帮助临床医生预测PAD患者在手术治疗后的长期结果.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
相关概念视频
Peripheral Artery Disease V: Postoperative Nursing Management
Peripheral Artery Disease III: Interprofessional Care
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Peripheral Artery Disease IV: Nursing Management
Cancer Survival Analysis
