基于机器学习的经皮肾镜碎石取石术结石残留研究
毛钤镶1
承垠林1
赖聪2
汤壮2
许可慰2
周毅3
1.中山大学生物医学工程学院,广州5100062.中山大学孙逸仙纪念医院,广州5100303.中山大学中山医学院医学信息教研室,广州510080
摘要：本研究基于随机森林(random forests,RF)、XGBoost和支持向量机(support vector machine,SVM)等多种机器学习方法建立预测模型,探讨其对肾结石患者行经皮肾镜碎石取石术(percutaneous nephrolithoto-my,PCNL)术后结石残留情况的预测价值.通过准确率、特异度及灵敏度等指标评价模型性能,绘制受试者工作曲线(receiver operating characteristic curve,ROC),计算曲线下面积(area under curve,AUC),RF为0.838,XGBoost为0.818,SVM为0.839,均高于传统结石评分系统.由RF和XGBoost建立的预测模型得到不同变量预测重要性占比,筛选出结石负荷、结石数量、结石CT值等是影响肾结石PCNL术后残留的重要预测因素.本研究对改善患者术后预后结果,提升临床治疗水平具有积极意义.
关键词：随机森林XGBoost支持向量机经皮肾镜碎石取石术肾结石
分类号：R318(医用一般科学)
资助基金：国家重点研发计划(2018YFC0116900)国家自然科学基金(61876194)广东省科技创新战略专项项目(202011020004)广东省自然科学基金(2021A1515011897)
论文发表日期：2021-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 114-120 )
英文信息