预测机器学习名ogram的体外冲击波石成功:一个试点研究
Jan Svihra1, Peter Svihra2,3,4, Igor Sopilko1
1Jessenius Faculty of Medicine, Comenius University, Martin, Slovakia.
Central European journal of urology
|February 23, 2026
概括
这项研究开发了一种机器学习名图,用于预测结石外体冲击波石 (ESWL) 的成功. 诺米图改善了ESWL患者的选择,优化了治疗结果.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 结石是一种常见的疾病,需要有效的治疗.
- 身体外冲击波石 (ESWL) 是结石的主要治疗方式.
- 预测ESWL的成功对于优化患者选择和治疗计划至关重要.
研究的目的:
- 开发和验证基于机器学习 (ML) 的临床名录.
- 为了预测结石的体外冲击波石化术 (ESWL) 的成功率.
- 优化ESWL患者的选择和治疗结果.
主要方法:
- 对102名腎病患者的ESWL数据 (2018年1月至2022年9月) 的回顾性分析.
- 分析患者的人口统计,石头特征 (大小,面积,位置,密度) 和治疗参数 (SSD,支架,水).
- 使用Python和scikit-learn开发一个ML模型,使用线性差异分析 (LDA) 实现~70%的准确性.
主要成果:
- 单次治疗ESWL成功的统计学显著预测因素包括石头大小,石头面积和皮肤到石头距离 (SSD).
- 开发的名图识别了SSD ≤8厘米和石块面积 ≤60毫米2的成功概率很高,不包括下方的杆石.
- 在LDA模型中,平均预测准确率约为70%.
结论:
- 开发了一种基于ML的新型名ogram来预测单次治疗ESWL的成功.
- 这种临床工具可以帮助患者选择并提高ESWL治疗效率.
- 随着临床数据的不断积累,名图的预测能力可以不断改进.
