开发一种新的可解释的基于变压器的深度学习模型,用于预测海马腺瘤手术后的低血
Zhuoyuan Li1,2, Jie Wang1,2, Yunfeng Wang1,2
1Department of Neurosurgery, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, China.
Journal of evidence-based medicine
|November 19, 2025
概括
一个新的基于变压器的模型,CliTab-Transformer,准确地预测了脑垂体腺瘤患者的术后低血. 手术前的因素,如性别和高血压是关键预测因素,使早期干预成为可能.
科学领域:
- 内分泌学 在内分泌学.
- 神经外科 神经外科
- 人工智能在医学中的应用
背景情况:
- 手术后的低血压是下垂体腺瘤手术后的常见并发症.
- 早期发现低血清症对于改善患者的治疗结果至关重要.
- 预测模型可以帮助及时进行临床干预.
研究的目的:
- 开发一种可解释的预测模型,用于前列腺瘤患者的早期术后低血.
- 为了识别显著的手术前低血预测因素.
- 将基于变压器的模型与传统的机器学习模型进行比较.
主要方法:
- 对280名垂体腺瘤患者进行了回顾性队列研究.
- 基于变压器的模型 (CliTab-变压器) 的开发.
- 与XGBoost和多层感知器 (MLP) 模型进行比较.
- 评估使用准确度,F1得分,灵敏度和AUC与交叉验证.
- 使用新的变压器可解释性方法进行可解释性分析.
主要成果:
- 在XGBoost和MLP上,CliTab-Transformer表现出优越的性能.
- 确定的主要预测因素包括性别,高血压,血清和疾病持续时间.
- 与基准模型相比,该模型获得了更高的精度 (0.836) 和F1得分 (0.845).
结论:
- 基于变压器的模型可以更好地预测脑垂体腺瘤患者手术后的低血.
- 注意力机制有效地捕捉了临床数据中的复杂特征相互作用.
- 该模型为早期干预提供了可解释和临床相关的见解.
