机器学习与简单的临床模型对耳植入物结果预测.
Rieke Ollermann1,2, Nils Strodthoff3, Andreas Radeloff1,4,5
1Division of Otolaryngology, Head and Neck Surgery, University of Oldenburg, 26129 Oldenburg, Germany.
Audiology research
|November 24, 2025
概括
预测耳植入物 (CI) 的成功是具有挑战性的. 虽然测试了各种统计和机器学习模型,但它们在使用植入前变量时对CI结果的预测准确性有限.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 耳植入器是严重到严重的听力损失的主要治疗方法.
- 预测个体耳植入物 (CI) 结果仍然是一个重大的挑战,尽管标准化程序.
- 对于CI结果的现有预测模型往往缺乏准确性和通用性.
研究的目的:
- 评估简单和复杂的统计和机器学习模型对耳植入物结果的预测性能.
- 使用植入前变量,将这些模型与Null模型基线进行比较.
- 确定模型复杂性是否影响预测CI成功的准确性.
主要方法:
- 对236名语言后感官神经听力损失患者的回顾性分析,残留听力.
- 使用了通用线性模型 (GLM),弹性网,XGBoost,随机森林和整体方法.
- 数据分为培训 (70%),验证 (15%) 和测试 (15%) 的队列.
主要成果:
- 所有评估的模型都显示了可比的预测性能,根平均平方误差和平均绝对误差的微小差异.
- 模型复杂性并没有显著提高预测准确度,而不是更简单的统计方法.
- 植入前的临床变量对CI结果的预测有效性有限,尽管所有模型都优于Null模型.
结论:
- 简单的统计模型与复杂的机器学习模型一样有效,用于根据当前的植入前数据预测耳植入结果.
- 植入前的临床因素在预测耳植入成功方面具有有限的力量.
- 需要进一步的研究,以确定对耳植入物结果更强大的预测因素.
