用于预测内镜逆行胰胆管造影（ERCP）后常见胆管结石复发情况的机器学习模型

《BMC Gastroenterology》：Machine learning models to predict the recurrence of common bile duct stones after ERCP

　　

摘要

目的

构建预测模型，以预测内镜逆行胰胆管造影（ERCP）后常见胆管结石（CBDS）的复发情况。

方法

这项回顾性研究分析了1,130名患者的数据，这些患者被随机分为训练集（70%）和测试集（30%）。特征选择采用boruta算法和多变量逻辑回归（LR），随后通过合成少数样本过采样技术（SMOTE）解决数据不平衡问题。预测模型利用随机森林（RF）、极端梯度提升（XGBoost）和LR进行构建。我们通过随机搜索和十折交叉验证优化了这些模型，以确定最佳参数。模型开发完成后，我们比较了它们的曲线下面积（AUC）、准确率、召回率、精确度、F1分数和决策曲线分析（DCA），以选择最优模型。最终，使用Shapley加性解释（SHAP）对最优模型进行了解释。

结果

研究确定了8个风险因素，并用它们来构建预测模型，包括临床过程、结石直径、多颗结石的存在、胆道支架的使用、饮酒情况、胆道手术史、CBDS狭窄的存在以及内镜下乳头球囊扩张。在AUC、准确率、召回率、精确度和F1分数方面，RF模型的表现优于XGBoost和LR。ShAP摘要图、瀑布图和力图提供了RF模型的整体和局部解释。

结论

本研究成功识别了ERCP后CBDS复发的高风险个体，并为机器学习辅助的临床决策提供了宝贵的见解。