追溯机器学习模型的局限性,用于预测心脏外科手术后的气管切除术
Felix Wiesmueller1, Johannes Rösch2, Stephan Kersting1
1Department of Surgery, University Hospital Greifswald, University of Greifswald, 17475 Greifswald, Germany.
Diagnostics (Basel, Switzerland)
|March 14, 2026
概括
使用现有的模型和新开发的机器学习算法,预测心脏手术后的气管切除术是无效的. 仅仅追溯数据不足以准确预测这些患者的气管切除术.
科学领域:
- 心胸外科手术 心胸外科手术
- 医疗信息学 医疗信息学
- 关键护理医学 关键护理医学
背景情况:
- 早期气管切除术可能有利于长期通风心脏手术患者.
- 精确预测气管切除术的需要对于手术决策至关重要.
- 现有的预测模型在不同人群中的有效性是不确定的.
研究的目的:
- 评估心脏手术后气管切除术现有的预测模型.
- 开发和评估新的机器学习模型,用于气管切除术的预测.
- 为了确定用于气管切除术预测的回顾性数据的诊断准确性.
主要方法:
- 对4744名心脏手术患者 (2010-2020年) 的回顾性分析.
- 使用ROC曲线分析对现有模型的评估.
- 开发和评估各种特征集的机器学习模型 (RF,NB,NN,DL).
主要成果:
- 现有的模型显示差别差 (AUC = 0.57).
- 新开发的机器学习模型也表明诊断准确性不足.
- 所有测试的模型都未能在这个队列中可靠地预测气管切除术.
结论:
- 追溯的临床数据对预测心脏手术后的气管切除术有重大限制.
- 未来的模型需要前性数据收集和整合生理或成像数据.
- 目前的模型不足以用于气管切除术预测中的临床决策支持.
