机器学习模型用于预测急性A型大动脉剖析患者的术后
Zuo Zhang1, Huanyu Qiao1, Wei Zhang1
1Cardiac Surgery Center, Beijing Anzhen Hospital, Capital Medical University, Beijing, China.
Journal of thoracic disease
|March 12, 2026
概括
一个神经网络模型有效地预测了急性甲型大动脉剖析 (ATAAD) 患者的术后. 关键的危险因素包括胰腺脂酶,左关节下动脉的参与和年龄,有助于改善外科手术结果.
科学领域:
- 心血管外科心血管外科
- 医疗信息学 医疗信息学
- 神经外科 神经外科
背景情况:
- 急性甲动脉解剖A型 (ATAAD) 是危及生命的紧急情况,需要立即手术.
- 手术后是严重的并发症,影响患者的预后和医疗费用.
- 鉴定的风险因素和预测模型对于改善患者的治疗结果至关重要.
研究的目的:
- 在ATAAD患者中探索术后的危险因素.
- 开发和验证手术后的预测风险模型.
- 增强外科决策和患者护理的ATAAD.
主要方法:
- 在572名接受手术的ATAAD患者的回顾性分析.
- 使用最小绝对收缩和选择操作员 (Lasso) 回归来进行变量选择.
- 开发并验证了7个机器学习模型,包括神经网络,使用分层采样和SHAP分析.
主要成果:
- 22名患者 (3.84%) 患有术后.
- 神经网络模型表现出最高的预测性能 (AUC,Brier分数,F1,卡帕).
- 确定了重要的危险因素:胰腺脂酶,左关节下动脉干扰,Sun的手术,年龄,胰腺氨酶,血红蛋白和二次手术.
结论:
- 神经网络模型在ATAAD中为术后提供了卓越的预测能力.
- 了解确定的风险因素可以指导预防策略和手术规划.
- 该模型可以帮助临床医生评估和减轻ATAAD患者的残肢风险.
