开发和验证机器学习工具,用于预测急性结石胆囊炎的术后并发症
Ottavia Cicerone1,2, Simone Frassini1,2, Anna Gallotti3
1Dipartimento di scienze clinico-chirurgiche, diagnostiche e pediatriche, University of Pavia, Pavia, Italy.
Updates in surgery
|December 19, 2025
概括
机器学习模型预测急性结石胆囊炎 (ACC) 的术后并发症. 选择手术风险I (手术前) 和选择手术风险II (综合) 提供了改善的风险分层,以获得更好的患者结果.
科学领域:
- 手术瘤学手术瘤学
- 医疗信息学医学信息学
- 预测分析是一种预测分析.
背景情况:
- 急性结石胆囊炎 (ACC) 是一个频繁的手术紧急情况.
- 早期腹腔镜胆囊切除术 (ELC) 是标准的治疗方法,但术后并发症仍然存在.
- 准确预测并发症对于患者管理至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测ACC的主要术后并发症.
- 为实时风险评估创建一个用户友好的工具.
- 为了增强 ACC 患者的外科手术期风险分层.
主要方法:
- 一个多中心数据库 (1253名患者) 的回顾性分析.
- 拉索回归用于识别预测变量 (人口统计,临床,外科手术).
- 训练和测试使用AUC-ROC进行性能评估的随机森林,XGBoost和决策树算法.
主要成果:
- 胆固醇外科风险I (手术前模型) 的AUC-ROC达到0.8456.
- 通过包括手术内数据,CholeSurgRisk II (综合模型) 改善了预测,AUC-ROC为0.8903.
- 一个基于网络的工具,CholeSurgRisk I,被开发用于术前风险估计.
结论:
- 机器学习显著改善了接受ELC的ACC患者的风险分层.
- CholeSurgRisk I 能够进行早期的手术前风险评估.
- 通过整合手术内因素,CholeSurgRisk II提供了精细的预测,有助于临床决策和优化患者结果.

