基于人工智能的复发预测和个性化治疗计划在儿科柱状鼻疾病中

科学领域:

• 儿科手术 儿科手术
• 医疗信息学 医疗信息学
• 计算生物学 计算生物学

背景情况:

• 柱状鼻疾病 (PSD) 是一种影响儿童的慢性疾病.
• 目前针对儿科PSD的治疗策略缺乏针对复发的个性化风险评估.
• 预测复发和优化治疗对于改善患者的治疗结果至关重要.

研究的目的:

• 评估基于人工智能 (AI) 的模型的可行性,以预测儿科柱状鼻疾病 (PSD) 的复发风险.
• 评估AI在支持儿科PSD个性化治疗策略方面的能力.
• 确定影响复发和治疗选择的关键预测特征.

主要方法:

• 对242名儿科PSD患者的临床数据进行了回顾性分析.
• 开发两种机器学习 (ML) 模型:用于复发预测的二进制分类器和用于治疗选择的多类分类器.
• 使用5倍交叉验证和SHapley添加式解释 (SHAP) 进行性能评估,以获得特征解释性.

主要成果:

• 人工智能模型在预测复发和指导治疗方式选择方面表现出有效性.
• 更长的愈合时间,较大的病变大小,更高的BMI和更多的鼻通道与增加复发风险有关.
• SHAP分析确定了愈合时间,BMI,年龄和鼻通道数量作为关键预测因素.

结论:

• 基于人工智能的预测模型可用于估计儿科PSD复发风险.
• 这些模型可以帮助为儿科PSD患者量身定制个性化管理策略.
• 需要进一步的多中心,前性研究来验证AI整合到临床决策中.