通过使用可解释的人工智能 (Explainable Artificial Intelligence) 来预测癌症的食道切除术后的90天死亡率和道泄漏
Sebastian Djerf1, Oscar Åkesson1, Magnus Nilsson2
1Department of Surgery, Lund University, Lund, SE-221 85, Sweden; Department of Clinical Science, Lund University, Lund, SE-221 85, Sweden.
概括
与传统方法相比,可解释AI (XAI) 模型显著改善了食道切除后的死亡率和道泄漏的预测. XAI提供个性化的风险评估,以改善患者的治疗结果.
科学领域:
- 手术瘤学手术瘤学
- 医疗人工智能的人工智能
- 在医疗保健中的预测分析.
背景情况:
- 消化管切除与高发病率和死亡率有关.
- 人工智能 (AI) 为复杂的医疗数据提供了先进的预测能力.
研究的目的:
- 为了比较后勤回归 (LR) 和机器学习与可解释AI (XAI) 的预测性表现,用于90天死亡率和食道切除后的解剖性泄漏.
- 确定影响食道手术结果的关键预测因素和非线性关系.
主要方法:
- 一项基于登记的病例控制研究,使用从1846名接受食道切除的患者前性收集的数据.
- 应用传统的物流回归 (LR) 和机器学习与可解释AI (XAI).
主要成果:
- 与LR相比,XAI模型在90天死亡率 (0.95对0.88) 和静脉漏 (0.84对0.74) 中实现了更高的AUC.
- XAI确定了非线性关联和个性化风险因素,包括年龄,术后出血,BMI和手术年份.
结论:
- 可解释的人工智能 (XAI) 增强了对食道切除术后的死亡率和静脉泄漏的理解.
- XAI促进了个性化的风险评估,使食道外科手术向个性化医学迈进.
更多相关视频
04:05Endoscopic Vacuum Therapy for the Treatment of Anastomotic Leakage after Total Gastrectomy with Esophagojejunostomy
Published on: August 22, 2025
652
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
470
