我自己本身备受结石困扰看到一篇结石的文章，我们一起来看看他是如何做预测的？
A machine learning approach using stone volume to predict stone-free status at ureteroscopy
使用结石体积预测输尿管镜检查无结石状态的机器学习方法
发表日期：2024.05.09
期刊：Biological Procedures Online
期刊IF：6.3
分区情况：JCR 2区，中科院2区
Abstract
目的：建立一种结合结石体积以及其他临床和放射学因素的预测模型，以预测输尿管镜检查(URS)中无结石(SF)的状态。
方法：回顾性分析我院2012年至2021年接受尿路治疗肾结石患者。SF状态定义为在手术结束时经内镜确认的结石碎片< 2mm，在XR KUB或US KUB随访3个月时没有证据表明结石碎片> 2mm。我们特别纳入了所有非sf患者，以优化识别残余结石负担的算法。SF患者也在同一时间段内随机抽样，以确保更平衡的数据集用于ML预测。通过术前CT并结合其他19个临床和放射学因素测量结石体积。本分析使用了具有交叉验证的袋树机器学习模型。
结果：纳入330例患者(SF: n=276, non: n=54，平均年龄59.5±16.1岁)。五重交叉验证rusboosting树模型的准确率为74.5%，AUC为0.82。模型敏感性为75%，特异性为72.2%。变量重要性分析发现，结石总量(占总重要性的17.7%)、手术时间(14.3%)、年龄(12.9%)和结石成分(10.9%)是预测非sf患者的重要因素。目前通常用于指导管理的单一和累积的石头尺寸分别只占总重要性的9.4%和4.7%
结论：机器学习可以用来预测患者在尿潴留时是否会发生SF。在预测SF状态方面，结石总量似乎比结石大小更重要。我们的研究结果可用于优化患者咨询，并强调结石体积在指导泌尿系统实践和未来指南中的作用越来越大。
文章一些重要的定义或者解释：
Stone-Free (SF):无石状态，内镜确认的结石碎片< 2mm，在XR KUB或US KUB随访3个月时没有证据表明结石碎片> 2mm。
SFR：SF-Rate无石率
XR KUB和US KUB：指的是在泌尿系统的XR平片和超声检查。
URS：ureteroscopy 输尿管镜检查
FURSL：flexible ureteroscopy with laser lithotripsy 柔性输尿管镜联合激光碎石术
SWL：shockwave lithotripsy 冲击波碎石
大概看了摘要，这篇文章做了3个工作：1、定义了什么是无石状态 2、收集了276个无石状态和54个有石头状态的数据集 3、建立了一个机器学习模型，得出结论，结石总量在SF预测方面更加有意义。
Introduction
第①段：肾结石疾病(KSD)的患病率约为1 - 20%，5年内复发率为26%。复发的可能性是多因素的，可能与温暖的天气条件、饮食和生活方式有关。结石移入输尿管可引起输尿管梗阻，引起疼痛、感染和肾功能衰竭，通常需要治疗。关于KSD的另一个重要考虑因素包括多次住院和手术干预，其在英国的经济负担与前列腺癌和膀胱癌的总成本相当。
第②段：介绍了目前指南，2CM以下是冲击波和激光碎石，2CM以上经皮肾镜取石术似乎是首选。目前手术建议的缺点是只考虑了石头的线形长度，没有考虑石头的总的体积以及其他临床因素。
2 Materials and Methods
在纳排标准中，排除了双肾结石情况，所有的病人都是做过手术前后的CT对比病人，并且纳入的石单侧肾最多有3个石头的情况，
纳入了20个预测因素，包括人口统计学、临床参数（包括手术方式、石头的性质、石头的位置）和尿路结石的放射学特征。
3 Model development
整个建模过程比较常规了，用了常规的机器学习算法进行的，并且做了重要因素排序。
4 Results
在结果展示部分：RUS boosting树模型的准确率为74.5%，AUC为0.82。模型的敏感性和特异性分别为75%和72.2%。
影响模型整体预测因素的最重要的分别是：石头的总体积（17.7%），一维石头大小（9.4%），手术时长（14.3%），石头成份（10.9%）。
5 Discussion
重点看下讨论部分
这篇文章讨论用了极大地篇幅，我们来看看，到底是如何经行的。
第①段：文章首次展示石头体积方法，来预测FURSL预后情况，并且得到了一些重要性指标。
第②段：做了一个在泌尿外科的小综述，讲了讲目前在泌尿外科AI的进展情况。
第③段：针对碎石预后尤其是体外冲击波碎石预后做了相关综述。
第④⑤段：其他研究在FURSL的进展情况，以及在尿液成份预测结石的情况。
第⑤段：强调了他们研究在对于石头体积方面的价值和意义。
第⑥段：局限性，第一,无石率SFR定义不统一；第二,是输尿管结石还是肾脏结石可能影响最后的预测结果；第三,单中心研究具有一定的局限性。
6 Conclusion
很简洁明了的结论，我直接引用原文翻译：
石头体积比线性石头大小更能预测是否再有石头。机器学习模型的使用可用于测量结石体积，并根据患者和结石数据预测结果。我们的研究结果可用于优化患者咨询，并强调结石体积在指导泌尿系统实践和未来指南中的作用越来越大。
点评：这篇文章是我看的第一篇和结石相关的文章，也是因为结石，让我上午就打开，一直看完，并且做完笔记和大家分享，一篇文章，让我本人对于人工智能在结石预测方面的应用有了系统的认识，这篇文章后期如果能加上不同手术方法的比如是冲击波还是激光、经皮肾镜的预测对于个性化的病人，而不是一味的根据指南来执行，似乎会更有价值和意义，尤其是，说实话，手术治疗肾结石，对于患者尤其是男性患者，非常痛苦！！！本人首选的是体外碎石！
END
心中有力量！
//
深度学习辣汤AI小组由徐州医科大学以及徐州医科大学附属医院一群热爱人工智能的小伙伴们组成，欢迎大家跟我们交流学习!
扫码关注我们
欢迎加入我们！
成员微信号：cy2011mcu
添加好友时请备注：
您的 单位-科室-姓名-研究方向
