利用机器学习来个性化照顾异形突发感应神经听力损失:一个多中心队列研究
Yen-Ting Guo1, Ching-Ting Tan1,2,3,4, Chen-Chi Wu1,2,5,6
1Department of Otolaryngology, National Taiwan University Hospital, Taipei, Taiwan.
Clinical and experimental otorhinolaryngology
|December 2, 2025
概括
一个机器学习模型可以预测异形突发性神经神经听力损失 (ISSNHL) 患者的听力恢复,这些患者接受了入腔带类固醇注射 (ITSI) 治疗. 10天内早期的ITSI改善了结果,指导了个性化治疗策略,以获得更好的康复.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 医疗人工智能 医疗人工智能
- 生物统计学 生物统计学
背景情况:
- 异形突发感神经听力损失 (ISSNHL) 是听力损失的常见原因之一.
- 内类固醇注射 (ITSI) 是一种标准的治疗方法,但方案有所不同,导致不一致的临床结果.
- 目前的管理层缺乏个性化治疗指导的预测模型.
研究的目的:
- 开发一种机器学习模型,用于预测接受ITSI的ISSNHL患者的听力结果.
- 确定影响治疗成功的关键因素,并使量身定制的管理策略成为可能.
主要方法:
- 在770名ISSNHL患者的回顾性分析中,他们接受了ITSI治疗.
- 使用嵌套交叉验证框架开发和评估五种机器学习算法.
- 主要结果:用于预测准确性的接收器操作特征曲线 (AUC) 下的面积.
主要成果:
- 一个随机的森林分类器实现了最高的预测性能,AUC为0.7884.
- 在听力损失发作后10天内早期服用ITSI是改善结果的最重要因素.
- 该模型基于治疗时间和患者数据提供了个性化的预后.
结论:
- 机器学习为ISSNHL的个性化治疗策略提供了一种可行的方法.
- 及时干预ITSI对于优化听力恢复至关重要.
- 这种预测模型可以指导临床决策并改善患者的治疗结果.
