人工智能模型预测输尿管结石自然排出的多中心临床试验的验证研究

摘要

背景 人工智能技术作为一种新型的诊断和分析工具已逐渐应用于影像技术、医学大数据分析、医学诊断和医疗保健预算等各个方面,目前有学者应用人工智能模型(AIM)建立了输尿管结石排出的预测模型并取得了较为满意的预测结果,但尚无获得临床一致认可的多中心验证报道.目的 评估输尿管结石自然排出人工智能预测模型在多中心临床应用中的普适性及准确性,并进一步推广运用.方法 选择2017年9月—2020年3月在新疆生产建设兵团一师医院、四师医院、七师医院、九师医院、十三师红星医院及石河子大学医学院第一附属医院泌尿外科收治的1620例采取保守排石治疗的输尿管结石患者为研究对象,采集纳入患者的年龄、疼痛程度、结石直径、结石位置(上段、中段、下段)、白细胞计数、中性粒细胞计数、淋巴细胞计数、中性粒细胞分数、C反应蛋白(CRP)9项指标.参考前期研究结果,建立人工智能预测模型,并判断结石能否自然排出指导患者制定治疗决策.通过为期4周的随访,根据随访结果综合分析AIM的预测效能.根据结石大小进一步分层,将直径>1 cm输尿管结石归类为大结石组,≤1 cm输尿管结石归类为小结石组,进一步评估AIM对较大输尿管结石的预测效能.结果 随访期间992例患者排出结石,排出率为61.23％.两组年龄、结石位置、中心粒细胞计数、淋巴细胞计数、中性粒细胞分数比较,差异均无统计学意义(P>0.05).两组疼痛程度、结石直径、白细胞计数、CRP比较,差异均有统计学意义(P<0.05).AIM预测输尿管结石排出的灵敏度、特异度及准确率分别为87.10％、85.99％和86.67％;小结石组患者1121例,763例(68.06％)排出结石,预测灵敏度、特异度和准确率分别为87.94％、87.15％和87.69％;大结石组499例,排石率为229(45.89％),预测灵敏度、特异度和准确率分别为84.28％、84.44％和84.37％.结论 预测输尿管结石能否自然排出的AIM在多中心临床评价中得到一致性认可.对于较大输尿管结石排出的预测效能准确,具有较强泛化能力.