基于Web的机器学习应用程序用于脊髓损伤康复阶段的行走预后:一项回顾性多中心队列研究
Kyohei Matsuda1,2, Junji Nakano3, Osamu Uemura4
1NHO Murayama Medical Center, Tokyo, Japan.
Spinal cord
|December 14, 2025
概括
一个机器学习模型预测了脊髓损伤 (SCI) 患者的一年行走预后,这些患者的美国脊髓损伤协会损伤量表 (AIS) 级别为B和C. 这个模型作为Web应用程序实现,显示了良好的预测性能.
科学领域:
- 神经科学是一个神经科学.
- 康复医学 康复医学 康复医学
- 人工智能的人工智能
背景情况:
- 预测脊髓损伤 (SCI) 后的行走预后对于康复规划至关重要.
- 美国脊髓损伤协会损伤量表 (AIS) B和C等级的个体在预测运动恢复方面存在独特的挑战.
- 现有的预测模型可能无法充分利用先进的机器学习技术来获得细微的预测见解.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测SCI个体 (AIS等级B和C) 一年行走预后.
- 实现开发的ML模型作为一个用户友好的临床实用性Web应用程序.
主要方法:
- 一项回顾性队列研究,利用2011-2021年国家脊髓损伤数据库 (NSCID).
- 机器学习模型 (逻辑回归,随机森林,SVM,XGBoost) 通过嵌套的5倍交叉验证进行训练和验证.
- 使用AUC,Brier分数和校准斜率评估性能,重点关注AIS等级B和C.
主要成果:
- 极端梯度提升 (XGB) 模型实现了最高的性能,AUC为0.855,比尔分为0.153,校准斜率为0.900.
- 选择了XGBoost模型作为最终的预测模型.
- 用R Shiny成功开发和部署了一个Web应用程序,用于实际实施.
结论:
- 开发的机器学习模型表明,在SCI患者中,AIS等级B和C的SCI患者的行走预后具有强大的预测性能.
- 网络应用程序的实现提高了诊断模型在临床环境中的可访问性和实际实用性.
