medRxiv 预印本· Weaver, J. K., Logan, J., Klock, J. A., Dortche, K., Bukhari, H. A., Buchinsky, D. S., Burns, M. ·· 14 小时前AI 评分18
机器学习模型在脊柱裂患者膀胱功能障碍分类与肾积水风险预测中的外部验证
Validation of Machine Learning Models for classification of bladder dysfunction and risk of hydronephrosis in patients with Spina Bifida using videourodynamic data
AI 导读
一项发表于 medRxiv 的研究在独立外部队列中验证了基于视频尿动力学（VUDS）数据的机器学习模型。在70例肾积水队列中，集成模型预测新发肾积水的一致性指数为0.77，AUROC为0.75，优于单纯压力-容积数据（0.70/0.67）和影像数据（0.72/0.74）。在95例VUDS检查的膀胱功能障碍严重程度分类中，集成模型准确率达71%，高于单纯压力-容积数据的60%和影像数据的66%。
来源：medRxiv 预印本 · medrxiv.org