近日，佛山市第一人民医院（南方科技大学附属佛山医院）科研管理科金亚彬博士以第一作者在美国听觉学会（American Auditory Society，AAS）官方会刊《Ear and Hearing》（听力学与言语病理学一区）发表了题为《Machine-Learning Models With Multiple Imputation With Sequential Nearest Neighbors Imputation for Predicting the Prognosis of Idiopathic Sudden Sensorineural Hearing Loss Patients》（基于序列最近邻多重插补的机器学习模型预测特发性突发性感音神经性聋患者预后）的研究论文，耳科主治医师李枚格博士和中国医学科学院北京协和医学院李铭鸿博士为本文的共同第一作者。耳科虞幼军主任，转化医学研究院罗微研究员和北京科技大学张晓彤教授为此论文的共同通讯作者。此研究采用人工智能方法，开发出一套突发性聋疗效预测系统（已申请发明专利），为医生制定治疗方案提供了参考依据。
题目：Machine-Learning Models With Multiple Imputation With Sequential Nearest Neighbors Imputation for Predicting the Prognosis of Idiopathic Sudden Sensorineural Hearing Loss Patients
论文链接：https://journals.lww.com/ear-hearing/fulltext/9900/machine_learning_models_with_multiple_imputation.474.aspx
突发性聋（简称突聋）是一种常见的耳科疾病。其定义为72 小时以内突然发生的、原因不明的感音神经性听力损失，至少在相邻的两个频率听力下降≥20dB，发病率约为每年5-27/10万人，且近年呈上涨趋势。突发性聋当前治疗以激素治疗为主，患者预后差异大。突发性聋的预后可分为痊愈、显著有效、有效、无效，统计结果显示，突聋治疗的痊愈率仅为21%，有效率仅为49%，有超过一半的患者接受当前指南推荐的一线治疗是无效的，极大的浪费了医疗资源与患者的治疗窗口期。
针对这一临床问题，本研究通过多源异构数据库采集丰富的医疗多模态数据、AI可用技术提高数据质量，缺失分布识别技术分析数据缺失类别并使用基于完整数据集交叉验证与网格搜索的方法进行多重插补，有效避免了因数据缺失而造成的样本损失。在此基础上，通过重复划分训练集与测试集的方法，构建了六种不同的分类器，并使每种分类器都针对四项独立的分类任务进行训练与评估。
此预测系统能够帮助医生在治疗前精准预测一线治疗方案疗效，筛选难治性人群，选择更为合理的临床路径，为后续开展临床干预性研究提供了有效工具。
分类器在四个任务中的效果。(A) 预测各个疗效 (B)预测是否痊愈 (C)预测是否达到显著疗效 (D)预测是否有效。
《Ear and Hearing》创刊于1980年，该期刊是一本专注于耳科学和听力学的知名学术期刊，也是美国听觉学会的官方期刊，每年出版六期，涵盖临床和基础研究，包括听力学、耳科和平衡障碍等内容。其学术影响力在耳鼻喉科领域一直位居前列，希望我们的研究得到更多的同行建议及推广。
主治医师，中山大学临床医学硕士，博士在读。国家四级助听器验配师，佛山市中西医结合学会委员，佛山市康复医学会眩晕康复专业委员会委员。本科及研究生均毕业于中山大学中山医学院，从事耳鼻喉科工作10余年，临床经验丰富。
擅长耳内镜微创手术治疗，特别是鼓膜穿孔、中耳炎的手术治疗，耳前瘘管的疾病诊治和手术方法等有丰富的经验，同时熟悉掌握耳鸣、耳聋、耳流脓、头晕、外耳道炎等疾病的诊断和治疗。在科研工作方面，主持佛山市科技局课题1项，获得专利多项。
供稿：科研管理科
免费地铁接驳巴士候车点
更多医院资讯 请扫码关注我们
