ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-25
Интерпретируемое машинное обучение для прогнозирования интраоперационного нарушения оксигенации при однолёгочной вентиляции в торакальной хирургии: ретроспективное когортное исследование
Оригинальное название: Interpretable machine learning for predicting intraoperative oxygenation impairment during one-lung ventilation in thoracic surgery: a retrospective cohort study
В этом исследовании были протестированы пять моделей машинного обучения на данных 519 пациентов торакальной хирургии для прогнозирования нарушения оксигенации при однолёгочной вентиляции. Лучший результат показала модель случайного леса (AUC 0,924), опередив логистическую регрессию (0,790). SHAP-анализ определил положительное давление в конце выдоха, предоперационное парциальное давление кислорода в артериальной крови и индекс массы тела как основные предикторы.