在患有外周动脉疾病的患者中,使用可解释机器学习来预测外周动脉病变的严重程度
Zhian Liang1,2, Xiang Li1,2, Duan Wang1,2
1Department of Vascular Surgery, Tianjin Medical University General Hospital, Tianjin, China.
一种新的渐变增强机模型使用六个变量准确地预测了下垂体动脉疾病的严重程度. 这个工具有助于临床决策和风险分层对周围动脉疾病 (PAD) 患者.
科学领域:
- 心血管医学 心血管医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 人群内动脉疾病是外围动脉疾病 (PAD) 的复杂亚型.
- 精确评估病变严重程度对于有效的治疗计划至关重要.
- 目前的方法可能无法完全捕捉疾病严重程度的细微差别.
研究的目的:
- 开发一种可解释的机器学习模型,用于评估下动脉病变的严重程度.
- 确定疾病严重程度的关键临床预测因素.
- 创建一个支持PAD临床决策的工具.
主要方法:
- 利用了来自1062名PAD患者 (2019-2024) 的临床数据.
- 开发并比较了10个预测模型,包括梯度增强机 (GBM).
- 采用特征选择和外部验证,以确保模型的稳定性.
主要成果:
- 在验证组中,GBM模型实现了0.891的AUC.
- 为模型构建确定了六个关键预测因素.
- 该模型通过决策曲线分析证明了良好的校准和临床效用.
结论:
- 开发的GBM模型准确地预测了infrapopliteal动脉疾病的严重程度.
- 这种可解释,数据驱动的工具可以增强PAD患者的风险分层和临床决策.
- 该模型为临床医生提供了一个非侵入性,快速的决策支持系统.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
08:16High-Resolution Three-Dimensional Imaging of the Footpad Vasculature in a Murine Hindlimb Gangrene Model
Published on: March 16, 2022
相关概念视频
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Peripheral Artery Disease III: Interprofessional Care
Peripheral Artery Disease I: Introduction
Peripheral Artery Disease IV: Nursing Management
Peripheral Artery Disease V: Postoperative Nursing Management
Atherosclerosis II: Clinical Manifestations and Diagnostic Tests
