机器人辅助前列腺根治术后预测手术边缘阳性的外科学和临床因素

目的: 

自动化性能指标(APMS)是从机器人手术期间的仪器运动学和系统事件数据中推导出来的,是对外科医生性能的客观衡量。我们先前的研究表明,APMS是机器人辅助的前列腺根治术(RRAP)术后尿失禁的强有力的结果预测因素。我们现在利用机器学习来研究外科医生的表现。,APMS)和临床因素可以预测手术后的正缘。

方法: 

我们具有前瞻性地收集了2016年至2019年期间我们医院患者接受抗逆转录病毒治疗的数据。随机森林模型基于15个临床因素和38个APMS,从11个标准化RAP步骤预测了PSMS。外袋吉尼杂质指数决定了前10个重要变量(VI)。采用普遍估计方程,采用泊松回归法,对前10例患者的APMS进行了囊外扩展(ECS)和病理T(TP)的混合效应评估。

结果: 

55/236(23.3%)的病例有公共医疗保健系统。在55例患者中,9例(16.4%)为pt2,46例(83.6%)为pt3。完整的模型,包括临床因素和APMS,在曲线下达到了0.74.仅在评估临床因素或APMS时,模型分别达到0.72奥耳和0.64奥耳。最强的PSM预测因子是欧洲经委会阶段和最小化阶段,其次是具体步骤的APM。在适应欧洲经委会阶段和泰阶段后,大多数APMS仍然是PSM的独立预测因子。

结论: 

利用机器学习方法,我们发现在ROP之后,PSMS最强的预测因子是不可改变的、疾病驱动的因子(欧洲经委会和TT)。虽然杀伤人员地雷能够很少地提供更多的信息,来了解什么时候可能发生psms,但它们仍然能够根据对外科医生表现的客观测量,独立地预测psms。

To cite this article:

Ryan S. Lee, Runzhuo Ma, Stephanie Pham, Jacqueline Maya-Silva, Jessica H. Nguyen, Manju Aron, Steven Cen, Siamak Daneshmand, and Andrew J. Hung.

Machine Learning to Delineate Surgeon and Clinical Factors That Anticipate Positive Surgical Margins After Robot-Assisted Radical Prostatectomy.

Journal of Endourology.Sep 2022.1192-1198.http://doi.org/10.1089/end.2021.0890

打赏