机器学习模型用于预测胸部瘤手术后的神经性疼痛
Yu Zhang1, Shirong Wu2, Maolin Zhou3
1Nursing Department,Sichuan Cancer Hospital & Institute, Sichuan Cancer Center, School of Medicine, University of Electronic Science and Technology of China, Chengdu, China.
Frontiers in oncology
|December 31, 2025
概括
这项研究开发了一种机器学习模型,用于预测胸部瘤手术后的神经病痛. 随机森林模型确定了关键的风险因素,使患者能够进行早期查和干预.
科学领域:
- 在瘤学瘤学.
- 疼痛医学 医学 疼痛医学
- 医疗保健中的机器学习
背景情况:
- 神经病变性疼痛 (NP) 是胸部瘤手术后常见且具有挑战性的并发症.
- 目前用于识别高风险患者的预测模型不足.
研究的目的:
- 确定胸部瘤手术后NP的发生率和风险因素.
- 构建和验证用于NP风险预测的机器学习 (ML) 模型.
- 为临床决策提供科学依据,以管理胸部手术后的疼痛.
主要方法:
- 分析了接受胸部瘤手术的647名患者的队列.
- 开发和验证了机器学习模型 (逻辑回归,K-NN,随机森林,SVM,XGBoost,LightGBM).
- 用SHAP值来确定重大风险因素及其影响.
主要成果:
- 手术后NP的发生率为24.26%.
- 随机森林模型实现了最高的预测性能,AUC为0.86.
- 关键预测因素包括手术方法,外科医生的专业知识,排水管管理,术后急性疼痛和CRP水平.
结论:
- 随机森林模型有效地预测胸部瘤手术后的神经病痛.
- 这种ML方法促进了早期查和有针对性的干预,以改善患者的治疗结果.
