发表在《骨科研究杂志》上的一项新研究表明,基于人工智能的模型经过基本血液和实验室测试数据以及基本人口统计数据的训练,可以预测患者在经历髋关节损伤后一年、五年和十年内的死亡风险断裂。
对波士顿贝斯以色列女执事医疗中心两个院内数据库系统的 3,751 名髋部骨折患者记录进行分析后发现,所有患者的一年死亡率为 21%,80 岁及以上患者的一年死亡率为 29%。
在评估了 10 种不同的机器学习分类模型后,研究人员发现 LightGBM 模型具有最准确的一年死亡率预测性能。年龄、血糖水平、某些红细胞特征、白细胞水平、尿素氮水平、血小板计数、钙水平和凝血时间是具有最高预测能力的因素。其中大多数也属于 LightGBM 五年和十年死亡率预测模型的前 10 个特征。
“我们的模型表明,某些生物标志物在描述髋部骨折后不良后果的风险方面特别有用,”宾夕法尼亚大学的通讯作者乔治·阿斯里安说。