Análisis basado en inteligencia artificial de patrones de uroflowmetry en niños: una perspectiva de aprendizaje automático

El estudio incluyó pruebas de uroflowmetry de niños de 4 a 17 años que fueron remitidos a nuestra clínica con síntomas del tracto urinario más bajos. Los patrones de uroflowmetry fueron interpretados independientemente por tres expertos en urología pediátrica. Las discrepancias en las interpretaciones fueron reevaluadas conjuntamente por los tres observadores, y se llegó a un consenso. El volumen de anulación, la duración de la anulación y las tasas de flujo de orina a intervalos de 0.5 segundos se convirtieron en datos numéricos para el análisis. El ochenta por ciento del conjunto de datos se usó como datos de entrenamiento para el aprendizaje automático, mientras que el 20% estaba reservado para las pruebas. Se emplearon un total de cinco modelos de aprendizaje automático diferentes para la clasificación: árbol de decisión, bosque aleatorio, catboost, xgboost y lightgbm. Se determinaron los modelos que identificaron con mayor precisión cada patrón de uroflowmetry.