机器学习助力预测肾盂输尿管连接部梗阻术后并发症

《World Journal of Urology》：Predicting complications after laparoscopic surgery for ureteropelvic junction obstruction using machine learning models: a retrospective cohort study

为预测输尿管肾盂连接部梗阻（UPJO）术后并发症，研究人员开展研究，发现可用机器学习预测，意义重大。

　　输尿管肾盂连接部梗阻（UPJO）患者术后并发症会对手术效果产生负面影响，甚至可能需要再次手术。为预测这类患者术后并发症的发生情况，研究人员回顾性分析了 2014 年 5 月至 2023 年 5 月在医院接受手术治疗的 UPJO 患者数据。通过多变量逻辑回归和 Lasso 回归筛选风险因素，并运用逻辑回归（LR）、k 近邻算法（KNN）、支持向量机（SVM）、决策树（DT）、随机森林（RF）、极端梯度提升（XGB）以及神经网络（NN）构建预测模型。研究共纳入 526 名患者，其中 97 例出现并发症（61 例尿路感染 [UTI]，36 例复发）。肾盂成形术术后并发症的风险因素包括术前尿路感染（Pre-UTI）、结石、肾皮质厚度（RCT）、集合系统、双 J 管拔除时间、引流管拔除情况以及白细胞计数（WBC）。与术后尿路感染相关的因素有 Pre-UTI、RCT、集合系统、双 J 管拔除时间和 WBC。影响术后复发的因素则是 Pre-UTI、结石、RCT 和引流管拔除。最终，研究选择 LR 构建术后并发症、尿路感染和复发的临床预测模型，其曲线下面积分别为 0.929、0.941 和 0.894 。该研究首次构建了肾盂成形术后总并发症、UTI 和复发的预测模型，预测效果良好。不过，研究存在局限性，属于单中心研究且模型未进行外部验证，可能影响研究结果的普适性。但总体而言，机器学习能够在手术前对 UPJO 术后并发症、UTI 和复发进行预测。