精准医疗在老年急性阑尾炎诊断中的突破：机器学习模型的比较分析与算法的优越表现

医脉通编译整理，未经授权请勿转载。

急性阑尾炎作为全球性的外科紧急情况，尤其在老年人群中，它是引起急性腹部疾病的重要原因。精确地诊断和区分急性阑尾炎对于临床医生来说至关重要，因为这有助于他们制定出科学合理的治疗计划，进而为老年患者提供高标准的医疗服务。

近日，Sci Rep.发表一项研究，依托于对临床数据的深入分析，对多种机器学习模型的性能进行了验证与比较，从而开发出一种既简便又迅速，同时具备高准确度的早期急性阑尾炎诊断评估工具。研究发现，这些算法在阑尾炎分类上展现出优异的性能，尤其是GBM算法，在识别复杂性阑尾炎患者方面提供最高的准确性和稳健性。

研究方法

本研究的数据集收集自2012年1月至2022年1月间，安徽中医药大学第一附属医院收治的老年急性阑尾炎患者的医疗记录。研究样本涵盖了196例男性患者（占总数的60.87%）和126例女性患者（占总数的39.13%）。在这些病例中，103例（31.99%）被诊断为复杂性阑尾炎，而219例（68.01%）则为单纯性阑尾炎。

研究结果

在对9种不同的机器学习技术（包括LR、CART、RF、SVM、Bayes、KNN、NN、FDA和GBM）构建的模型预测结果进行深入比较和分析后，我们发现GBM算法在性能上表现最为出色。具体来说，GBM模型在灵敏度、特异性、阳性预测值、阴性预测值、精确度、召回率、F1分数和Brier分数上分别达到了0.9167、0.9739、0.9429、0.9613、0.9429、0.9167、0.9296和0.05649的高水平。为了进一步阐释GBM模型的预测结果，我们采用了SHAP技术框架进行深入分析。此外，通过校准和决策曲线分析，本研究提出的机器学习模型不仅在临床上具有应用价值，还可能带来经济效益。

研究结论

本研究结果表明，这些算法在阑尾炎分类上展现出了优异的性能，尤其是GBM算法，在识别复杂性阑尾炎患者方面提供最高的准确性和稳健性。此外，我们还开发基于Shiny的复杂性阑尾炎诊断应用程序，旨在辅助临床医生制定更合理的治疗方案，以期降低医疗成本并改善患者预后。

参考文献：

Wei W, Tongping S, Jiaming W. Construction of a clinical prediction model for complicated appendicitis based on machine learning techniques. Sci Rep. 2024 Jul 16;14(1):16473.