在血管化骨移植后,基于CT放射学结合SHAP的基于部保存的可解释的预后模型
Hongxin Shi1, Peizhou Shu2, Zhihao Wang3
1Department of Orthopedics, The 909th Hospital, School of Medicine, Xiamen University, Zhangzhou, 363000, Fujian, China.
Physical and engineering sciences in medicine
|November 4, 2025
概括
这项研究开发了一个可解释的CT放射学模型,使用XGBoost来预测部保护手术的结果. 组合模型准确预测预后,确定高放射性评分,血小板与淋巴细胞的比率和年龄作为关键预测因素.
科学领域:
- 整形外科 整形外科 整形外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 血管化骨移植部保护对于维持部功能至关重要.
- 在部保护手术中预测术后结果仍然具有挑战性.
- CT放射学为非侵入性预后评估提供了潜力.
研究的目的:
- 开发一种基于CT放射学的可解释性预后模型,用于血管化骨移植的部保存.
- 用机器学习算法预测术后部保护结果.
- 通过可解释性来增强预后模型的临床应用.
主要方法:
- 招募了107名接受关节保护手术的患者,收集了手术前CT扫描和血液生物化学数据.
- 从CT扫描中提取了9个放射性特征,并分析了临床指标,如年龄和血小板与淋巴细胞比率 (PLR).
- 开发并比较了15个模型,使用了5个机器学习算法,包括XGBoost,评估了与AUC和SHAP进行解释性的性能.
主要成果:
- 结合的XGBoost模型以AUC为0.90 (训练) 和0.87 (测试) 实现了卓越的性能,显著优于仅使用临床和放射性模型的模型.
- 高放射性评分,升高的PLR和老年患者年龄被确定为预后不佳的重要预测因素.
- 沙普利增量解释 (SHAP) 分析为该模型的预测提供了可解释性.
结论:
- 使用XGBoost的强大,可解释的关节临床和放射学模型可以有效地预测部保护手术的预后.
- 该模型整合了CT放射学和临床数据,以提高预测准确度.
- 这种方法有助于更好地选择患者和为保护部而进行手术规划.
