基于PSO-XGBoost机器学习模型的中老年人PCNL术后结石残留预测研究

作者：唐圣晟; 刘泓泽; 李琳; 罗云汉; 廖芝美; 周毅^*

来源：中国数字医学, 2023, 18(08): 24-29.

DOI：10.3969/j.issn.1673-7571.2023.08.005

• 机器学习
• XGBoost模型
• 粒子群优化算法
• 肾结石
• 经皮肾镜取石术

目的：基于粒子群优化算法（PSO）的XGBoost模型（PSO-XGBoost）预测中老年患者经皮肾镜碎石术（PCNL）后的泌尿系统结石残留情况。方法：选取2014年1月至2018年12月在某三级甲等医院接受PCNL治疗的596例中老年肾结石患者为研究对象。将数据集按7:3的比例随机分为训练集和测试集,建立PSO-XGBoost模型,以准确度、精准度、召回率、F1值和ROC曲线下面积（AUC）等指标评估模型性能。结果：PSO-XGBoost模型预测PCNL术后泌尿系统结石残留的准确度、精准度、召回率、F1值和AUC均优于支持向量机、近邻算法、决策树和BP神经网络模型。结论：PSO-XGBoost模型可更快、更准确地预测中老年患者PCNL术后是否有泌尿系统结石残留,为制定术后个性化治疗、护理方案提供参考。

• 单位
  中山大学中山医学院