胸小星第二十八期成果
如期见面
让我们走进本期推文
一起来看看吧
导言
文章题目：Machine learning model predicts airway stenosis requiring clinical intervention in patients after lung transplantation: a retrospective case-controlled study
发表杂志：BMC Medical Informatics and Decision Making
影响因子：3.3
第一作者：田东、左玉洁、严浩吉
团队通讯作者：田东
DOI：10.1186/s12911-024-02635-8
Machine learning model predicts airway stenosis requiring clinical intervention in patients after lung transplantation: a retrospective case-controlled study
向下滑动查看所有内容
机器学习模型预测肺移植术后需要临床干预的气道狭窄:一项回顾性病例对照研究
目的
肺移植(lung transplantation, LTx)术后发生气道狭窄(airway stenosis, AS)的患者具有相当高的发病率和死亡率。本研究旨在开发和验证机器学习(machine learning, ML)模型，以预测LTx术后需要临床干预的AS。
方法
本研究回顾性纳入2017年1月至2019年12月间接受LTx的患者。常规Logistic回归(logistic regression, LR)模型是通过多因素LR确定的独立风险因素拟合的。基于7种特征筛选方法和8种ML算法构建最优ML模型。通过曲线下面积(area under the curve, AUC)和brier评分评估模型性能，并通过Bootstrap法进行内部验证。
结果
在381例LTx患者中，共计40例(10.5%)发生AS。多因素分析显示，男性、肺动脉高压与术后6分钟步行试验是AS发生的独立危险因素(均P<0.001)。常规LR模型的AUC为0.689，brier评分为0.091。共建立56个ML模型，其中采用决定系数特征筛选方法和随机森林算法构建的ML模型表现最佳。该最佳模型在所有ML模型中显示出最高的AUC和Brier评分，分别为0.760 (95% CI: 0.666-0.864)，0.085 (95% CI: 0.058-0.117)，均优于常规LR模型。
结论
根据临床特征建立的最佳ML模型对LTx术后受者AS的发生具有良好的预测性能。
Figure 2. Heatmaps of the ML models for predicting AS requiring clinical intervention after LTx. Heatmaps illustrated the performance of each ML algorithm (columns) with each feature selection method (rows), measured by AUC.
LR, logistic regression; DT, decision tree; KNN, k-nearest neighbors; NB, naïve bayes; SVM, support vector machine; GBRM, generalized boosted regression modeling; RF, random forest; XGB, extreme gradient boosting; LASSO, least absolute shrinkage and selection operator; RFE, recursive feature elimination; DC, determination coefcient; ML, machine learning; AS, airway stenosis; LTx, lung transplantation; AUC, the area under the curve.
Table 4. Performance of the optimal RF and conventional LR model
研究意义
1.临床意义：
2.国际影响：
主要研究者
左玉洁，广州医科大学呼吸健康研究院呼吸内科研究生，胸“星”外科学术团队副队长（第四届），班长，中共党员，获第六届基础实验大赛国家级一等奖，第八届基础实验大赛省级三等奖，第九届“互联网+”大学生创新创业大赛国家级银奖，四川省大学生综合素质A级证书，校级二等奖学金，优秀共青团干部，优秀学生干部，四六级证书，普通话二甲等荣誉20余项，主持国家级大学生创新项目2项，参与多项，以第一作者/共同第一作者发表SCI一篇，中文核心一篇，参与发表SCI论文4篇，中文核心2篇。
严浩吉，中共党员，日本顺天堂大学呼吸器外科博士生，胸“星”外科学术团队第三届队长，获国家留学基金委(CSC)高水平大学公派博士研究生奖学金，主要研究方向为肺癌临床研究、人工智能与医学结合研究、肺移植基础及临床研究，发表中文论文10篇，其中发表在中文核心杂志6篇，发表英文论文共计25篇 (包括Lancet Gastroenterol Hepatol, Radiology, JAMA Netw Open, J Heart Lung Transplant, J Thorac Cardiovasc Surg等)，以第一作者或共同第一作者发表英文论文12篇，并在国内外学术年会做大会发言5次（包括AATS 104th Annual Meeting），参编（译）“十四五”重点出版工程《临床肺移植》等医学专著3部。
胸“星”外科学术团队简介
胸“星”外科学术团队创立于2017年，是国内较早组建的医学本科生科研团队。秉承“Never Stop Making Challenges ”的科研精神，历经7年的建设和磨砺，团队现已成长为一个锐意进取、精诚团结的医学本科生早期科研训练团队。团队以“三全育人-科研育人”综合改革理论为指导，以培养科研兴趣为价值导向，以提升科研水平为行动目标，于国内首次提出医学本科生“科研前置”培养模式。团队积极开展医学本科生早期高水平科研训练，为建设成全国领先的医学本科生科研团队不懈努力。
团队一直致力于胸外科相关领域的基础与临床研究（肺移植、食管癌、肺癌、胸腺瘤等），现有成员共计24人。在团队指导老师田东教授的带领下，团队深入践行科研育人理论，积极投身科研平台建设，持续培养科技创新意识，不断强化医学科研能力（包含但不限于文献检索、科研选题、课题设计、论文撰写和外语应用等），最终形成了系统性的医学本科生科研训练模式，进而促进了“科研训练-成果产出”之间的良性循环。
目前团队学生以第一作者或共同第一作者发表中英文论文共计58篇，其中，SCI收录论文31篇，中文论文27篇，负责国家级大学生科研课题27项，省级29项。受邀参加国内、国际胸心外科学术年会口头发言19次（篇），壁报展出22次（篇），参与翻译、审校专著7部，已申请国家专利6项，斩获中国国际大学生创新大赛（2023）总决赛银奖等国家级、省级各级赛事10余项，成功建立西南地区第一个标准的小动物肺移植实验室（《四川日报-川观新闻》报道）。团队成员绝大部分本科毕业后继续攻读硕士研究生（北京协和医学院、北京大学、四川大学、中南大学、中国医科大学、南京医科大学、南方医科大学、广州医科大学、温州医科大学等国内知名院校），并有8名队员本科毕业后被日本名校（京都大学、长崎大学、東北大学、名古屋大学、顺天堂大学、熊本大学、筑波大学、庆应义塾大学）直博录取。
