機器學習可以預測腹部疝手術后的不良后果

休斯頓德克薩斯大學 MD 安德森癌癥中心的外科醫(yī)生開發(fā)的機器學習 (ML) 模型在預測哪些類型的患者最有可能出現(xiàn)疝氣復發(fā)或其他并發(fā)癥方面表現(xiàn)出很高的準確性。研究結果發(fā)表在《美國外科醫(yī)師學會雜志》(JACS)網(wǎng)站上的一篇“新聞文章”中。

腹疝的修復(當腹部肌肉出現(xiàn)隆起時發(fā)生的疝)是一種常見的手術，在美國每年進行超過 400,000 例。然而，超過三分之一的此類疝最終再次發(fā)生或患者經(jīng)歷了一些其他類型的術后并發(fā)癥。1,2

“我們發(fā)現(xiàn)，使用我們自己的數(shù)據(jù)訓練的機器學習算法可以準確預測復雜腹壁修復后并發(fā)癥的發(fā)生，”主要研究作者、博士后研究員和博士 Abbas M. Hassan 說。候選人，整形外科，MD安德森。“它還能夠確定與不良結果相關的因素。”

Hassan 博士及其同事說，這是第一項描述使用 ML 預測腹壁重建術后并發(fā)癥的研究。

腹疝可能發(fā)生在那些因疝修復以外的手術而進行腹部手術的患者身上，例如膽囊切除術，或者在 MD Anderson 的許多情況下，切除腫瘤和附近組織，甚至是器官的一部分。外科醫(yī)生指出，美國每年進行超過 400 萬例腹部手術，對腹壁重建的需求正在增長。 3

關于研究

研究人員回顧了 2005 年 3 月 1 日至 2019 年 6 月 30 日期間在 MD Anderson 接受腹疝修補術的 725 名患者。術后結果包括疝復發(fā)、手術部位發(fā)生和初次出院后 30 天內再次入院。

由資深作者 Charles E. Butler 醫(yī)學博士、FACS 領導的研究小組使用這 725 名患者的數(shù)據(jù)開發(fā)了九種監(jiān)督機器學習算法，他們發(fā)現(xiàn)這些算法成功地預測了結果。這些模型考慮了患者的人口統(tǒng)計和特征，例如吸煙狀況和其他健康狀況。這些模型還考慮了患者的結果和手術本身的特征，例如手術技術。Butler 博士是整形外科的終身教授和主席，也是 MD Anderson 的 Charles B. Barker Endowed Chair in Surgery。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！