Machine learning–based prediction of in-hospital postoperative ischemic stroke following off-pump coronary artery bypass grafting
本研究开发并验证了一个基于 XGBoost 的机器学习模型，该模型集成到一个名为 POISM 的用户友好型网络工具中，利用来自两个大型医院队列的数据，以准确预测接受非体外循环冠状动脉旁路移植术的患者发生院内术后缺血性卒中风险。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
心脏手术是现代医学的一项壮举，为那些动脉变得严重阻塞的人们提供了第二次生命的机会。几十年来，外科医生一直使用一种被称为冠状动脉搭桥术的技术，将血液绕过这些阻塞部位进行重新引导，本质上是为流向心肌的血液建造了一条新的高速公路。在许多情况下，这项手术是在患者连接着人工心肺机时进行的，由该机器接管泵血和为血液输氧的工作。然而，另一种被称为“不停跳心脏手术”（off-pump surgery）的方法，允许心脏在医生进行手术时保持跳动，从而避免了心脏停止跳动并依靠人工循环血液时可能产生的并发症。虽然这种不停跳手术方法降低了某些风险，但它并不能消除中风的危险——中风是一种突然发生且往往具有毁灭性的脑部血流中断。即使经过周密的计划，仍有一些患者在手术后的住院期间发生中风，这种并发症可能导致长期残疾甚至死亡。由于这些事件具有不可预测性且代价高昂，医生们长期以来一直在寻找一种方法，试图在患者进入手术室之前就识别出哪些人最脆弱，希望能以此量身定制护理方案以防止悲剧发生。
多年来，医生一直依赖标准的评分系统来评估这些风险，但这些工具通常将每种风险因素视为孤立的事件，忽略了不同健康问题之间复杂的相互作用。例如，一位患者可能同时患有高血压和糖尿病，虽然每种疾病本身都很危险，但两者的结合可能会产生一种简单的清单无法捕捉到的独特危险。为了解决这个问题，来自北京多家医院的研究团队转向了计算机科学的一个强大分支——机器学习。这些计算机程序并不遵循一套僵化的规则，而是通过学习海量数据来发现人类肉眼可能忽略的隐藏模式和联系。研究人员收集了近两万六千名接受过不停跳心脏手术的患者的详细记录。他们将这些信息输入到几个不同的计算机模型中，教导每个模型去寻找中风发生前的特定征兆。其目标不仅仅是建立一个更好的计算器，而是要创造一个能够解释“为什么”某位患者处于风险之中的工具，为医生提供一个清晰的观察重点。
这项研究分析了 2016 年至 2024 年间接受治疗的数千名患者的数据，结果显示，一种被称为 XGBoost 的特定机器学习模型在预测谁会发生中风方面表现得远优于其他模型。该模型并非仅仅在做猜测；它通过学习患者的实际结果，能够以惊人的准确度区分出保持健康的人群与发生中风的人群。当研究人员在一个来自不同医院的全新患者群体上测试该模型时，它依然表现良好，证明了它所发现的模式是真实的，而非第一组数据的偶然现象。该模型成功识别出了对预测中风最为关键的十个因素。其中包括既往中风史、颈动脉严重狭窄以及糖尿病的存在。它还捕捉到了更微妙、动态的征兆，例如患者在手术期间血压下降过低持续的时间长短，以及术后是否出现了心律失常。
这项发现之所以特别有价值，是因为计算机模型不仅给出了一个数字，还向研究人员展示了驱动该预测的具体因素。例如，模型强调了患者在手术期间血压维持在低水平的时间长短是风险的主要贡献因素。它还指出女性面临的风险高于男性，并且某些血液指标（如涉及凝血的特定蛋白质水平）也是重要的预警信号。通过了解这些具体的驱动因素，医生现在可以采取主动措施。如果模型因为患者有中风史和颈动脉严重狭窄而将其标记为高风险，医疗团队就可以进行更积极的准备，例如更严密地监测血压，或调整药物以保持血糖水平稳定。研究人员甚至基于该模型建立了一个简单的免费网站工具，允许任何医生输入患者详情并立即查看其风险等级，从而将复杂的数据转化为手术室中的实用指南。
尽管取得了这些成功，研究人员仍谨慎地指出，他们的工作并非最终解决方案。该研究是回顾性的，这意味着它是对已经记录下来的资料进行的回溯性分析，且实际发生中风的患者人数相对于总手术量来说相对较少。这意味着虽然该模型很有前景，但仍需要在未来的研究中进行进一步测试，以确保它适用于所有人、所有地方。团队也承认，其数据来自中国特定的地区，因此结果可能需要针对不同人群进行调整。尽管如此，这项工作代表了一个重大的进步。它推动了该领域从宽泛的、一刀切的评估，向更加个性化的方法转变，即利用患者独特的健康史和手术的具体细节来预测并预防心脏手术中最令人恐惧的并发症之一。通过在手术开始前为医生提供更清晰的风险视图，这一工具为实现更安全的手术和更好的患者预后带来了希望。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。