机器学习模型预测肺移植术后 PGD 发生及预后

PGD 目前的诊断和分级标准，有一定的滞后性，发生 PGD 的肺移植患者病情危重，要求早期采取积极有效的治疗方式以改善结局，经替代治疗后改善的生命体征或实验室检查结果，可能无法正确体现患者的实际病情。近年来，机器学习逐渐应用于医学研究中，其可根据不同临床需求及数据特征建立预测模型，与临床常用分级标准相比，能更好地预测不良结局的发生。 PGD 风险预测模型作为一种科学的统计学评估方法，对早期筛查和识别 PGD 高危人群有重要意义。随着互联网医疗和人工智能技术的飞速发展，基于机器学习 (machine learning，ML) 算法开发程序化的各类疾病预测模型逐渐成为临床关注热点。机器学习是人工智能的核心，是指计算机通过对已知特征和结果的数据集进行分析和学习，发现数据内部的潜在依赖关系并将其以数学模型的形式表达出来，具备纳入变量客观、模型精准、效率高、契合临床 等优势，实现筛选 PGD 疾病高风险人群和识别特定群体或个体疾病风险因素的目的，为制定预防管理 PGD 策略提供理论依据。