基于机器学习的良性前列腺增生术后尿失禁预测模型构建与验证：一项欧洲泌尿外科学会腔内泌尿学研究

来自欧洲泌尿外科学会的研究团队针对良性前列腺增生(BPH)内镜下剜除术后尿失禁预测难题，开发了6种机器学习(ML)模型。研究纳入3828例患者数据，发现经人工调优的极限梯度提升(XGBoost)模型表现最优，准确率达86.2%，灵敏度96.8%，阳性预测值(PPV)88.2%。该模型可为临床随访提供精准预警。

　　

这项开创性研究将人工智能(AI)技术引入泌尿外科领域，科研团队从两大BPH注册系统中提取关键数据，构建了能预测前列腺剜除术后尿失禁的智能模型。研究纳入年龄、前列腺体积、国际前列腺症状评分(IPSS)、生活质量(QoL)评分、最大尿流率(Q_max)等核心参数，同时考量术前导尿管留置、尖部早期释放(EAR)技术、剜除方式（二叶/三叶/整块）及激光类型（铥光纤激光等）等手术因素。

在3828例患者队列中，中位年龄68岁，前列腺体积中位数85.5cc，34%病例采用EAR技术。经过系统比对，研究人员发现经过人工精细调参的XGBoost模型展现出惊艳性能——不仅能准确识别96.8%的真实阳性病例，其88.2%的阳性预测值更意味着模型预警具有高度临床可信度。这项成果为术后并发症管理提供了智能决策支持，让临床医生能提前锁定高风险患者，实现精准随访干预。