층간 접근법을 통한 내시경 원조 절제술을 기반으로 한 기계 학습 모델을 통한 L5-S1 수준에서의 재발 요추 디스크 탈출의 예측

연구는 무엇입니까? 이 연구는 L5-S1 수준에서 요추 디스크 탈장이라는 특정 유형의 등 문제를 가진 환자의 치료를 개선하는 데 중점을 두었습니다. 의사는 종종이 상태를 경피 내시경 층간 절제술 (PEID)으로 알려진 최소 침습 수술로 치료합니다. 그러나 때로는 탈장 (손상된 디스크)이 수술 후 다시 올 수 있습니다. 이 연구의 목표는 어떤 환자가 허리 디스크의 재발을 경험할 수 있는지 예측하는 데 도움이되는 컴퓨터 모델을 개발하는 것이 었습니다.

누가 참여 했습니까? 이 연구는 PEID 수술을받은 309 명의 환자의 의료 기록을 검토했습니다. 이 중 33 명의 환자는 탈장의 재발을 경험했으며 276 명의 환자는 그렇지 않았습니다.

연구원들은 무엇을 했습니까?

데이터 수집 :

그들은 수술 전에 각 환자로부터 임상 세부 사항 (예 : 체중 및 당뇨병과 같은 건강 상태) 및 척추의 상태를 보여주는 영상 연구 (X- 레이, CT 스캔 또는 MRI)를 포함하여 정보를 수집했습니다.

주요 위험 요소 식별 :

Lasso Regression이라는 통계적 방법을 사용하여 연구원들은 탈장이 다시 올 수 있는지 여부에 영향을 줄 수있는 8 가지 중요한 요소를 확인했습니다. 여기에는 체질량 지수 (BMI), 디스크 높이 (후방 디스크 높이 지수)와 관련된 척도, 척추 운하 좁아지는 징후, 수술 전 증상이 얼마나 오래 걸렸는지 및 기타 건강 상태와 같은 요인이 포함되었습니다.

예측 모델 개발 :

그런 다음 몇 가지 기계 학습 기술 (데이터에서 학습하는 고급 컴퓨터 방법)을 사용하여 예측 모델을 구축했습니다. 가장 성능이 좋은 모델 중 두 가지는 Random Forest 및 Extreme Gradient Boosting (XGB)이라는 방법을 기반으로했습니다.

주요 결과는 무엇입니까?

주요 예측 변수 : 디스크의 높은 BMI와 디스크의 변화 (후방 디스크 높이 지수로 측정) 수술 후 다시 오는 탈장의 가장 강력한 예측 변수 인 것으로 밝혀졌습니다. 척추 운하 좁아지고 수술 전 증상이 길어지는 다른 요인들도 중요한 역할을했습니다.

실제적 영향 :이 모델은 의사가 재발 위험이 더 높은 환자를 식별하는 데 도움이 될 수 있습니다. 이 정보를 사용하면 치료 계획과 후속 치료를 조정하여 탈장이 다시 발생할 위험을 더 잘 관리하고 잠재적으로 줄일 수 있습니다.

이것이 중요한 이유는 무엇입니까? 환자와 그 가족 에게이 연구는보다 개인화되고 효과적인 치료 계획에 대한 희망을 제공하여 향후 추가 수술이 필요할 가능성을 줄입니다. 의료 서비스 제공 업체의 경우 결과는 수술 전 의사 결정을 개선하는 유용한 도구를 제공하여 L5-S1 요추 디스크 탈장 환자의 장기 결과를 더 잘 보장합니다.

요약하면,이 연구는 현대적인 컴퓨터 방법을 사용하여 일반적인 최소 침습적 인 등 수술 후 반복 디스크 탈출의 위험을 예측하여 환자 치료를 향상시키고 외과 적 결과를 향상시키기위한 것입니다.