用于预测长期肺移植结果的可解释混合机器学习模型的开发与验证

亮点

• 介绍了一种结合随机生存森林变量选择与Cox回归的混合AutoScore-Survival机器学习模型，用于预测肺移植结果。
• 使用了涵盖近四十年超过50,000名成年肺移植受者的器官共享联合网络（United Network for Organ Sharing, UNOS）数据，确保模型的稳健性。
• 确定了九个关键临床预测因子，包括受者和供者的人口统计学特征、手术细节和围手术期状态，增强了个性化风险分层。
• 该模型表现出中等的区分度但具有极好的校准度和一致的净临床效益，支持共享决策和移植管理。

背景