PBNNアルゴリズムに基づく胸腔鏡手術後の肺合併症予測モデル
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：A predictive model for post-thoracoscopic surgery pulmonary complications based on the PBNN algorithm.
雑誌名：Sci Rep. 2024 Mar 25; 14(1): 7035.
概 要：
本研究では、胸腔鏡手術後の肺合併症を早期に予測するモデルを構築しました。機械学習と深層学習アルゴリズムを用いて、Pythonで人工知能予測モデルを作成しました。相関分析の結果、術後の肺合併症は年齢や手術時間と正の相関があり、血清アルブミンとは負の相関があることが示されました。LGBMアルゴリズムを用いた特徴量エンジニアリングにより、単肺換気時間、喫煙歴、手術時間、ASAスコア、血糖値が主な関連因子として特定されました。
方 法：
本研究は、胸腔鏡手術後の肺合併症を予測するための機械学習および深層学習アルゴリズムを用いたモデル構築を行いました。主な評価指標として、精度、適合率、再現率、F1スコア、AUCを用い、テストグループにおける各アルゴリズムの性能を評価しました。
結 果：
テストグループにおける肺合併症予測の結果、最も高い精度を示したのはロジスティック回帰（0.831）とLGBM（0.827）でした。適合率では勾配ブースティング（0.75）とLGBM（0.742）が優れ、再現率ではガウシアンナイーブベイズ（0.581）、ロジスティック回帰（0.532）、プルーニングベイジアンニューラルネットワーク（0.516）が上位でした。F1スコアではロジスティック回帰（0.589）とプルーニングベイジアンニューラルネットワーク（0.566）が最良でした。AUCではLGBM（0.873）とプルーニングベイジアンニューラルネットワーク（0.869）が高い値を示しました。
結 論：
プルーニングベイジアンニューラルネットワーク（PBNN）は、胸腔鏡手術後の肺合併症の可能性を評価し、手術前に高リスク群を特定するために有用であることが示されました。