OtolojiRetrospektif
Development and Internal Validation of Machine-Learning Models for Individualized Prediction of Hearing Recovery in Sudden Sensorineural Hearing Loss
Otology & Neurotology ·
Li Y, Cao X, Deng D, et al.
Ani sensörinöral işitme kaybında işitmenin düzelmesi önceden kestirilebilir mi? Makine öğrenmesi modellerinin rutin klinik ve odyometrik verilerle geliştirildiği retrospektif prognoz çalışmasında 1.097 hastanın 1.205 kulağı kullanıldı. Hasta düzeyinde beş katlı çapraz doğrulamayla karşılaştırılan altı algoritmadan ağaç tabanlı modeller lojistik modellerden daha iyi sonuç verdi. Tedavi değişkenleri dışlanarak seçilen gradyan artırmalı ağaç modeli, ulusal kılavuza göre tam düzelmeyi 0,873, önemli ve daha iyi düzelmeyi 0,797 ROC eğrisi altında kalan alanla öngördü. Siegel ölçütlerine göre tam düzelmede bu değer 0,889 olurken tedavi değişkenleri eklendiğinde başarım benzer kaldı. En etkili öngördürücüler yaş, başlangıç işitme eşikleri, odyogram tipi ve vertigoydu. Kolay toplanan verilere dayanan model erken ve kişiye özel prognoz değerlendirmesine yardımcı olabilir, ancak dış ve prospektif doğrulama henüz yapılmamıştır.
Machine learning may help predict who will recover hearing after sudden sensorineural hearing loss. This retrospective prognostic study used baseline clinical and audiometric data from 1,097 adults, contributing 1,205 affected ears, at one Chinese teaching hospital. Six algorithms were compared with cross-validation, and tree-based models performed better than logistic regression models. The best model, LightGBM, reached an area under the curve of 0.873 for predicting full recovery. Age, baseline hearing thresholds, audiogram configuration, and vertigo were the most influential predictors. External and prospective validation is still needed.
Yapay zekâ desteğiyle özetlendi