深度学习策略用于预测外围动脉疾病患者的截肢无生存率
Sébastien Goffart1, Odette Hart2, Fabien Lareyre3
1Université Côte d'Azur, Inria, Epione Team, Sophia Antipolis, France; University Hospital of Nice, Nice, France.
机器学习模型在预测外围动脉疾病 (PAD) 患者的无截肢生存率方面表现有希望,其表现优于传统方法. 在临床实施之前需要进一步验证.
科学领域:
- 心血管医学 心血管医学
- 生物医学数据科学 生物医学数据科学
- 医疗保健中的机器学习
背景情况:
- 传统的考克斯比例危险 (CPH) 模型在预测外围动脉疾病 (PAD) 患者的无截肢生存率方面存在局限性.
- 需要先进的预测模型,能够捕捉患者数据中的复杂,非线性关系.
研究的目的:
- 将替代生存机器学习 (ML) 模型与传统的CPH模型进行比较,以预测PAD患者的无截肢生存率.
- 评估ML模型在确定关键预测因子和开发患者级风险预测工具方面的表现.
主要方法:
- 对2,366名经过再血管化的症状PAD患者的回顾性队列的分析.
- 非竞争风险 (CPH,条件生存森林,随机生存森林,非线性CPH) 和竞争风险 (精细和灰色,DeepHit) 模型的比较.
- 模型性能使用一致性指数和五倍交叉验证的集成布莱尔得分来评估.
主要成果:
- 几种ML模型的性能与CPH相当或优于CPH,一致性指数从0.619到0.707.
- 非线性CPH (NLCH) 模型显示出优异的校准,并具有低的综合布赖尔得分 (0.095).
- 确定的主要预测因素包括疾病状况,糖尿病和医疗治疗,构成风险分层工具的基础.
结论:
- 机器学习模型在预测PAD患者无截肢生存率方面取得了进展.
- 这些模型可以增强临床决策,但在临床实践实施之前需要外部验证.
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
08:16High-Resolution Three-Dimensional Imaging of the Footpad Vasculature in a Murine Hindlimb Gangrene Model
Published on: March 16, 2022
相关概念视频
Peripheral Artery Disease III: Interprofessional Care
Peripheral Artery Disease V: Postoperative Nursing Management
Peripheral Artery Disease IV: Nursing Management
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Peripheral Artery Disease I: Introduction
