基于单隐藏层神经网络及R.E.N.A.L评分对肾部分切除术阻断时间的相关预测因素分析

摘要

目的 构建并评估一种基于单隐藏层神经网络的肾部分切除术阻断时间预测模型，探讨影响因素，为术前精准评估提供依据。方法 本研究对2018年12月至2023年12月在锦州医科大学附属第一医院泌尿外科接受腹腔镜肾部分切除术的328例局限性肾肿瘤患者的临床数据进行回顾性分析。根据术中肾动脉阻断时间，将患者分为阻断时间小于20 min组(145例)与阻断时间大于20 min组(183例)。纳入研究的变量包括患者的人口学特征、术前影像学参数和围术期指标。使用R语言和tidymodels框架构建神经网络模型，采用交叉验证法优化模型的超参数，并评估模型性能[ROC曲线下面积(area under the curve, AUC)、准确度、受试者工作特征(receiver operating characteristic, ROC)曲线]。使用SHAP值(Shapley加性解释)与部分依赖图分析并解释模型中关键变量对预测结果的影响。结果 不同肾动脉阻断时间组患者在性别、年龄、BMI等人口学特征方面无明显差异(P>0.05),但其肿瘤大小、Nscore、Escore和longScore评分差异明显(P<0.05)。神经网络模型训练集的AUC=0.999,测试集AUC=0.883,表明该模型具有高精度和良好的泛化能力。重要性分析结果表明，肿瘤大小是影响肾动脉阻断时间的主要因素，紧随其后的是与集合系统关系评分(Nscore)及纵轴位置评分(longScore)。结论 基于单隐藏层神经网络的肾部分切除术阻断时间预测模型具有较高的准确性和可靠性，可为术前个体化决策提供有力支持。肿瘤大小和相关影像学指标对阻断时间有重要影响，临床应予以重点关注。

关键词

肾部分切除术 / 阻断时间 / 神经网络 / 机器学习 / 预测模型

基金资助

2024年辽宁省大学生创新训练项目,项目编号：202429