تطبيق نموذج اندماج ميزات السريرية الأساسية مع التعلم العميق للتنبؤ بالوفيات بعد الجراحة لدى المرضى المسنين الذين يعانون من كسور في الورك: دراسة متعددة المراكز

الخلفية: ركزت عدد كبير من الدراسات على بناء نماذج مختلفة للتنبؤ بالوفيات بعد الجراحة لدى المرضى المسنين الذين يعانون من كسور الورك، بما في ذلك نماذج عوامل خطر الساركوبينيا أو نماذج التعلم العميق. ومع ذلك، قد لا تلتقط الاعتماد على نماذج التعلم العميق وحدها جميع العوامل الرئيسية التي تؤثر على نتائج المرضى، لذلك قد يكون نموذجًا أكثر دقة لبناء النماذج التنبؤية التي تجمع بين ميزات السريرية الأساسية. الطرق: تم بناء نموذج تعلم عميق (Densenet161) ونموذج اندماج ميزات السريرية الأساسية مع التعلم العميق (LightGBM) باستخدام 221 مريضًا من المؤسسة 1 كمجموعة تدريب داخلية و113 من المؤسسة 2 كمجموعة تحقق خارجية، على التوالي. اخترنا صورة نسيج العضلات الهيكلية لمقطع الفقرة الصدرية الثانية عشر في فحص الأشعة المقطعية (CT) كبيانات الإدخال لنموذج Densenet161. تم تقييم أداء النموذج التنبؤي باستخدام AUC (المساحة تحت المنحنى) والحساسية والخصوصية ودرجات F1. النتائج: يتمتع نموذج Densenet161 بأداء متوسط في التنبؤ بالوفيات بعد عام من الجراحة للمرضى المسنين الذين يعانون من كسور الورك، مع AUC قدره 0.723 ودرجة F1 قدرها 0.421 في مجموعة التحقق الخارجية. مقارنةً بنموذج Densenet161، تم تحسين الأداء التنبؤي لنموذج اندماج LightGBM بشكل كبير، مع AUC قدره 0.815 ودرجة F1 قدرها 0.819 في مجموعة التحقق الخارجية. الخاتمة: من خلال دمج ميزات الصورة المستخرجة بواسطة نموذج التعلم العميق مع الخصائص السريرية الأساسية للمريض، يمكن أن يتنبأ نموذج اندماج LightGBM بشكل أفضل بالوفيات بعد عام من كسور الورك لدى المسنين مقارنة بالاعتماد على نموذج تعلم عميق واحد.