基于机器学习的经皮肾镜碎石取石术结石残留研究

本研究基于随机森林(random forests,RF)、XGBoost和支持向量机(support vector machine,SVM)等多种机器学习方法建立预测模型,探讨其对肾结石患者行经皮肾镜碎石取石术(percutaneous nephrolithoto-my,PCNL)术后结石残留情况的预测价值.通过准确率、特异度及灵敏度等指标评价模型性能,绘制受试者工作曲线(receiver operating characteristic curve,ROC),计算曲线下面积(area under curve,AUC),RF为0.838,XGBoost为0.818,SVM为0.839,均高于传统结石评分系统.由RF和XGBoost建立的预测模型得到不同变量预测重要性占比,筛选出结石负荷、结石数量、结石CT值等是影响肾结石PCNL术后残留的重要预测因素.本研究对改善患者术后预后结果,提升临床治疗水平具有积极意义.