在腹腔镜手术后发生卵巢内膜异位症复发的机器学习衍生预测模型
Mengru Li1, Shujun Wang1, Aili Tan1
1Department of Obstetrics and Gynecology, Renmin Hospital, Wuhan University, Wuhan, China.
Medicine
|November 8, 2025
概括
这项研究确定了预测卵巢内膜异位症在手术后复发的因素. 使用高斯过程的机器学习模型实现了90%的准确性,有助于评估患者疾病复发风险.
科学领域:
- 生殖医学 生殖医学
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 卵巢内膜异位症 (OEM) 是最常见的内膜异位症形式,是一种慢性疾病,影响全球许多女性.
- 保守性腹腔镜手术后OEM的复发是一个重大的临床挑战.
研究的目的:
- 为了确定与卵巢子宫内膜异位症复发术后复发相关的因素.
- 开发和验证基于机器学习的OEM复发的预测模型.
主要方法:
- 对338名经过腹腔镜保守手术的OEM患者的临床数据进行了回顾性分析.
- 统计分析 (奇平方,斯皮尔曼) 以确定复发预测因素.
- 机器学习算法 (随机森林,高斯过程,XGBoost,MLP) 用于预测模型的构建.
- 使用接收器运行特征曲线 (AUC) 下的面积进行评估.
主要成果:
- 发现16个变量与术后OEM复发有显著的关联.
- 高斯过程模型显示了最高的预测性能,测试组的AUC为0.90.
- 高斯过程模型实现了88%的准确度,75%的灵敏度和90%的特异性.
结论:
- 机器学习,特别是高斯过程算法,可以有效地预测保守腹腔镜手术后的卵巢内膜异位症复发.
- 开发的预测模型有助于评估个体患者手术后OEM复发风险.
