开发一种多变量机器学习模型,用于预测手术后皮囊切除术后的术后阴茎
Murugesan Manoharan1,2, Mohamed Javid Raja Iyub1, Yanjia Zhang3
1Miami Cancer Institute, Baptist Health South Florida, Miami, Florida, USA.
Journal of surgical oncology
|December 9, 2025
概括
机器学习模型可以有效地预测激进囊切除术 (RC) 后的术后阴茎 (POI). 后勤回归和随机森林显示出最佳表现,确定了个性化患者护理的关键预测因素.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 数据科学数据科学数据科学
背景情况:
- 手术后的皮质 (POI) 是根性囊切除术 (RC) 后的常见并发症.
- POI显著阻碍了患者的康复,并延长了住院时间.
- 预测POI风险对于优化RC后的患者管理至关重要.
研究的目的:
- 开发和评估机器学习 (ML) 模型,用于预测接受RC的患者的POI风险.
- 为了确定与POI后RC.发展相关的关键临床和人口因素.
主要方法:
- 对从激进囊切除手术中获得的患者数据的回顾性分析.
- 开发和比较各种ML模型,包括后勤回归,随机森林,SVM,XGBoost,神经网络和决策树.
- 用AUC,F1得分,精度,灵敏度和特异性来评估模型的性能.
主要成果:
- 后勤回归 (AUC 0.98) 和随机森林 (AUC 0.97) 显示出POI的优异预测性能.
- 确定的主要预测因素包括年龄,BMI,ASA类,手术方法,水平和鼻胃管的放置.
- 模型实现了高灵敏度 (大多数为100%) 和特异性 (高达0.94).
结论:
- 机器学习模型,特别是后勤回归和随机森林,是预测RC后POI的有效工具.
- 确定预测因素可以帮助风险分层和制定个性化护理策略.
- 这种预测能力有可能改善患者的治疗结果和资源利用.
