可解释的机器学习可以预测旋转手套患者在手术后长时间使用阿片类药物的情况
Jason Guattery1,2, Liane M Miller3, James J Irrgang1,2
1School of Health and Rehabilitation Sciences, University of Pittsburgh, Pittsburgh, PA, United States.
BMC musculoskeletal disorders
|December 12, 2025
概括
机器学习模型准确地预测了旋转手套手术患者手术后长期使用阿片类药物的情况. 这些透明的工具有助于外科医生防止处方阿片类药物危险人群,解决一个重要的医疗保健挑战.
科学领域:
- 整形外科手术 整形外科手术
- 数据科学数据科学数据科学
- 机器学习 机器学习
背景情况:
- 过度使用阿片类药物是美国的一个重大问题,手术导致处方.
- 缺乏明确的处方指南加剧了这个问题.
- 机器学习可以帮助识别患有长期术后阿片类药物使用风险的患者.
研究的目的:
- 开发准确和透明的机器学习模型.
- 在旋转手套手术后预测长期使用阿片类药物.
主要方法:
- 在852名旋转手术患者身上训练了6个机器学习模型.
- 评估模型的预测准确性.
- 使用SHAP和LIME用于模型透明度和解释.
主要成果:
- 四个模型超过了0.71的预测准确度.
- 顶级模型实现了0.98 (XGBoost),0.94 (随机森林) 和0.74 (决策树) 的精度.
- SHAP和LIME提供了对模型预测的见解.
结论:
- 成功开发了用于长期术后阿片类药物使用的预测机器学习模型.
- 实现了高的预测准确度.
- 增强模型的可解释性和透明度.

