预测肝移植受者的长期器官生存
计算机视觉与模式识别
2024-09-12 v1
摘要
肝脏移植器官衰竭在五年内发生约 20% 的肝移植受者中出现，导致死亡或需要再移植。为改善术后护理，为个体化器官衰竭风险估计提供准确且可解释的模型至关重要。为此，我们引入器官生存模型 (MAS)，这是一个简单线性风险评分，表现优于其他高级生存模型。我们使用来自美国 (U.S.) 的纵向患者随访数据开发模型，样本为 82,959 名肝移植受者，并在 11 个地区进行多中心评估。此外，通过在独立的非美国队列上测试，我们探讨了各种模型在无需额外微调的情况下的跨分布 generalization 性能，这是临床部署的关键属性。我们发现，最复杂的模型也是最易受分布迁移影响的模型，尽管在分布内性能方面表现最佳。我们的发现不仅为预测长期器官衰竭提供了强大的风险评分，也表明仅使用分布内保留验证的常规机器学习管道在部署时可能对患者产生有害后果。
引用
@article{arxiv.2408.05436,
title = {A Methodological and Structural Review of Hand Gesture Recognition Across Diverse Data Modalities},
author = {Jungpil Shin and Abu Saleh Musa Miah and Md. Humaun Kabir and Md. Abdur Rahim and Abdullah Al Shiam},
journal= {arXiv preprint arXiv:2408.05436},
year = {2024}
}