编辑推荐：
为解决手术规划中多决策维度平衡难题，研究人员开发了多维度智能手术推荐系统（MUDI），在盆腔器官脱垂（POP）手术推荐中表现出色，其准确性与顶级泌尿妇科医生相当，且具有透明的决策过程，有助于医患沟通。
手术规划是一个复杂且高度个性化的决策过程，需要综合考虑手术的有效性、风险、成本以及患者的身体状况和偏好。然而，目前对于缺乏明确最优治疗方案的疾病，手术选择往往依赖于专家经验，难以直接描述和量化，专家之间也难以达成共识。为解决这一问题，国内的研究人员开发了一种名为多维度智能手术推荐系统（MUDI）的可解释数据驱动智能系统，该系统能够在综合考虑多个决策维度的情况下，为患者和外科医生提供个性化的手术推荐。
研究人员以盆腔器官脱垂（POP）这一常见女性疾病为研究对象，这是一种对患者生活质量产生显著影响的疾病，其手术选择涉及多种因素，包括治疗效果、对性功能的影响、并发症风险、手术复杂性和医疗成本等。由于缺乏明确的手术选择指南，且专业泌尿妇科医生相对短缺，开发一个可靠的人工智能工具以提供高质量的个性化手术推荐具有重要的医学意义。
MUDI系统基于多准则决策制定（MCDM）框架，通过量化每种手术在多个决策维度上对患者的影响，并在这些维度之间进行合理的权衡，从而实现个性化手术推荐。与传统的基于患者原始特征的机器学习方法相比，MUDI具有以下优势：提供了一个全面的框架，用于在所有决策维度之间进行可理解且合理的权衡；能够基于相应临床数据，定量表示外科医生或医疗中心的决策哲学；为患者和外科医生双方提供个性化推荐，并且具有易于理解的解释，与外科医生的实际思维过程完全一致；巧妙利用显式和隐式医学知识，提供反映复杂疾病治疗选择不确定性的概率推荐。
为了验证MUDI的有效性，研究人员在中国的多家医疗中心进行了涉及超过1000名POP患者的模拟实验。实验结果表明，MUDI在推荐手术选项方面表现出色，其准确性与顶级中国泌尿妇科医生相当，并且在透明度、灵活性和可解释性方面优于现有的知识驱动或数据驱动的治疗推荐系统。此外，研究人员还开发了一个交互式在线平台，用于在实践中应用MUDI，该平台能够根据患者的预处理背景特征和关键指标，以及外科医生的决策偏好向量，自动输出MUDI的概率推荐，并直观地展示推理过程。通过该平台，即使是缺乏POP专业知识的非三级医院的医生，也能够高效地为患者识别合适的治疗方案，并将其转诊至三级医院的合格专家进行复杂手术。
在技术方法方面，研究人员首先收集了大量POP患者的临床数据，包括患者的背景特征、治疗相关变量和治疗后结果变量等。然后，基于多准则决策制定框架，建立了多个预测模型，用于量化每种手术在有效性、风险、成本和复杂性等维度上的影响，并将其转化为手术特征剖面（FS）。接着，研究人员提出了一个概率模型，用于根据患者的特征向量、外科医生的决策偏好向量和手术特征剖面来计算选择每种手术的概率。此外，研究人员还开发了一种数据驱动的方法来估计外科医生的决策偏好向量，而不是依赖于专家的主观意见。最后，通过内部和外部验证，评估了MUDI在手术推荐中的性能，并与人类专家的推荐结果进行了比较。
在研究结果方面，MUDI在内部验证中的Top-1准确率为60%，Top-3准确率为92%；在外部验证中，Top-1准确率为62%，Top-3准确率为92%，与顶级专家相当，显著优于普通专家和初级外科医生。此外，MUDI在实际应用中也表现出良好的效果，其推荐的Top-1组患者在3个月的解剖满意度、PFIQ-7评分改善和PGI-I问卷中表现最佳，且在1年的复发率方面也具有优势。这些结果表明，MUDI具有在实际医疗环境中提高手术推荐质量和改善患者预后的潜力。
在讨论部分，研究人员指出，MUDI的开发为解决复杂疾病治疗选择中的多维度决策问题提供了一种新的思路。通过将患者的原始特征转化为手术特征剖面，并利用数据驱动的方法估计外科医生的决策偏好，MUDI能够在保持透明度和可解释性的同时，提供个性化的手术推荐。此外，MUDI的在线平台为外科医生和患者之间的沟通提供了一个直观的工具，有助于提高决策的准确性和效率。尽管MUDI在当前的研究中取得了良好的结果，但仍存在一些局限性，例如在手术特征剖面的估计中采用了简化的模型，以及在解释决策偏好向量时需要考虑其元素的异质性。未来的研究可以进一步优化MUDI的模型，增加更多的决策维度，并在更多的临床场景中进行验证和应用。总之，MUDI的开发为个性化手术规划提供了一个有力的工具，有望改善患者的治疗效果和生活质量。
