Subscribe to RSS
DOI: 10.1055/a-2176-8957
Maschinelles Lernen ermittelt das Outcome der aortoiliakalen Revaskularisation
Bei der AIOD (Aortoiliakale Verschlusskrankheit) bestehen verschiedene chirurgische Behandlungsoptionen mit hohem Komplikationsrisiko. Bislang fehlen breit anwendbare klinische Tools, um unerwünschte Ereignisse nach einer offenen Revaskularisation, vorherzusagen. Li et al. nutzten das Maschinelle Lernen (ML), um u. a. schwerwiegende Nebenwirkungen an der Gliedmaße (MALE, major adverse limb event) und Todesfälle vorherzusagen.
Li et al. entwickelten ein robustes ML-Modell, das mit hoher Leistungsfähigkeit (AUROC 0,95) anhand von präoperativen Daten die Wahrscheinlichkeit für MALE oder den Tod innerhalb von 30 Tagen nach einer offenen aortoiliakalen Revaskularisation vorhersagt. Da die entwickelte ML-Algorithmen besser abschneiden als bestehende Tools und die logistische Regression, ist nach Meinung der Autoren ein breiter Einsatz des ML möglich, um negative Ergebnisse zu minimieren.
Publication History
Article published online:
05 December 2023
© 2023. Thieme. All rights reserved.
Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany