使用机器学习在创伤性脊髓损伤患者的膀和肠道功能障碍的预后模型的开发
Takaki Kitamura1, Satoshi Maki1,2, Takeo Furuya1
1Department of Orthopaedic Surgery, Graduate School of Medicine, Chiba University, Chiba, Japan.
Journal of neurotrauma
|December 3, 2025
概括
机器学习模型在脊髓损伤 (SCI) 后准确预测膀和肠道功能障碍. 关键预测因素包括L3运动功能和入院时间,可用可访问的Web应用程序.
科学领域:
- 神经学 神经学
- 康复医学 康复医学 康复医学
- 数据科学数据科学数据科学
背景情况:
- 脊髓损伤 (SCI) 经常导致膀和肠道功能障碍.
- 脑损伤后神经结果的预测模型正在增加,但膀/肠道功能障碍的模型是有限的.
研究的目的:
- 开发和验证预测创伤性SCI患者膀和肠道功能障碍结果的机器学习模型.
- 将这些预测模型集成到一个用户友好的临床应用的Web应用程序中.
主要方法:
- 利用来自日本康复协会数据库的4,181名创伤性SCI患者 (1991-2015) 的数据.
- 采用机器学习 (PyCaret) 与特征选择 (Boruta) 和SHAP值进行解释性.
- 使用曲线下的面积 (AUC) 评估模型性能,专注于预测排泄时的自然排尿和排便.
主要成果:
- 梯度增强模型实现了高精度:膀功能AUC为0.9064,肠功能AUC为0.8714.
- 针对这两种功能确定的关键预测因素包括L3运动功能,从受伤到入院的时间,以及功能独立度量肠道管理得分.
- 开发了整合这些预测模型的Web应用程序,并公开提供.
结论:
- 机器学习模型在创伤性SCI后预测膀和肠道功能障碍方面表现出很高的准确性.
- L3运动功能,入院时间和肠道功能障碍的严重程度是膀和肠道结果的关键预测因素.
- 开发的网络应用程序为预测和管理与SCI相关的膀和肠道功能障碍提供了有价值的工具.
