机器学习模型的开发和验证,以改善预测白内障手术的手术时间
Jonah Yu An Goh1, Francis Phng1, Chew Lip Ng2
1Health Services Research and Analytics, Ng Teng Fong General Hospital and Jurong Community Hospital, Singapore.
Singapore medical journal
|December 12, 2025
概括
机器学习模型准确地预测白内障手术的持续时间,优于传统的日程安排. 这种数据驱动的方法优化了手术室管理,提高了患者护理效率.
科学领域:
- 医疗保健 运营 研究 研究 研究
- 医疗信息学 医疗信息学
- 优化外科手术工作流程的优化
背景情况:
- 手术室是医院成本的重要中心.
- 传统的手术安排方法缺乏精度,影响效率和患者体验.
- 准确预测手术持续时间对于像白内障手术这样的大量手术至关重要.
研究的目的:
- 开发基于数据的预测模型,用于白内障手术的持续时间.
- 提高手术安排和手术室管理的准确性.
- 解决当地文献中关于预测模拟白内障手术时间的空白.
主要方法:
- 利用监督机器学习模型:线性回归,随机森林和极端梯度增强 (XGBoost).
- 使用精度 (在±10分钟内) 和平均平方误差 (MSE) 评估模型性能.
- 在4242例白内障病例的数据集上训练和测试模型 (80%的训练,20%的测试).
主要成果:
- 机器学习模型在准确性方面明显超过了EPIC的调度算法和外科医生的预测.
- ML模型的准确度比EPIC高出40%,比外科医生高出20%.
- ML模型显示MSE显著降低,主要误差幅度在0-5分钟之间.
结论:
- 机器学习模型比目前的方法更有效地预测白内障手术的持续时间.
- 实施ML模型为优化手术室管理提供了实际好处.
- 该研究强调了通过机器学习显著改善手术持续时间估计的准确性.
