机器学习预测鼻整形术中出血量：比较可乐定与氨甲环酸的术前用药效果

本研究针对鼻整形术中出血控制难题，通过机器学习模型比较可乐定(clonidine)与氨甲环酸(TXA)的止血效果。研究人员采用7种回归算法分析120例患者数据，发现线性回归与岭回归(Ridge)预测精度最佳(R2=1.00)，证实可乐定组出血量(112 mL)显著低于TXA组(132 mL)和对照组(157 mL)，为优化围手术期用药策略提供数据支持。

　　

鼻整形作为全球最常见的美容手术之一，其术中出血问题长期困扰着外科医生。鼻腔区域血管丰富，轻微损伤即可导致严重出血，不仅影响手术视野，还可能引发低血容量性休克等并发症。传统止血方法存在局限性，而术前用药选择缺乏量化依据。阿巴丹医科大学(Abadan University of Medical Sciences)的研究团队Zahra Asghari Varzaneh等通过机器学习方法，首次建立了鼻整形术中出血量的预测模型，相关成果发表于《Scientific Reports》。

研究采用回顾性横断面设计，收集2019-2022年120例鼻整形患者数据（可乐定组、TXA组及对照组各40例）。关键技术包括：1) 数据预处理采用min-max归一化(公式1)和Z-score离群值检测(公式2)；2) 应用7种回归算法(线性回归、随机森林RF、支持向量回归SVR等)建模；3) 通过K-fold交叉验证评估模型性能，选用MAE、MSE、R2三项指标。

模型性能比较

线性回归与岭回归表现最优，MAE和MSE均为0.00，R2达1.00。随机森林(RF)虽R2为0.99，但MSE(18.06)较高。支持向量回归(SVR)和XGBoost的R2分别为0.98和0.93，显示线性模型更适合该预测场景。

药物效果分析

可乐定组平均出血量112 mL，显著优于TXA组(132 mL)和对照组(157 mL)。

显示三组差异具有临床显著性，证实α₂肾上腺素能受体激动剂(可乐定)通过中枢性降压作用更有效控制出血。

讨论与意义

该研究首次将机器学习应用于鼻整形出血预测，为围手术期用药选择提供量化依据。可乐定作为廉价易得的降压药，其止血效果优于抗纤溶药物TXA，可提升手术视野清晰度并缩短手术时间。研究局限性包括样本均来自伊朗单一中心，且未探讨联合用药方案。未来研究可扩大样本多样性，并探索深度学习等更复杂模型的应用潜力。