پیش بینی میزان نیاز به انتقال خون حین عمل در جراحی فیوژن ستون فقرات با استفاده از یادگیری عمیق

مقدمه: خونریزی در حین عمل جراحی یکی از مهم‌ترین و خطرناک‌ترین عوارض جراحی فیوژن ستون فقرات است. پیش‌بینی نیاز به تعداد واحدهای پک سل در جراحی فیوژن ستون فقرات می‌تواند به شناسایی بیماران در معرض خطر کمک کرده و همچنین نیاز به ترانسفیوژن و مشکلات مرتبط با آن را کاهش دهد. استفاده از تکنیک‌های قدرتمند یادگیری عمیق می‌تواند به ظرفیت پیش‌بینی بالا منجر شود.روش‌ها:در این تحلیل، داده‌های 394 بیمار که تحت عمل جراحی فیوژن خلفی مهره‌های کمری و توراسیک قرار گرفته‌اند، بررسی شد. 19 ویژگی تاثیرگذار بر تعداد واحدهای پک سل مورد استفاده به‌عنوان ورودی استفاده شد. سپس، الگوریتم‌هایی با استفاده از سه تکنیک نوین یادگیری عمیق برای پیش‌بینی تعداد واحدهای پک سل مورد نیاز در طول عمل جراحی توسعه داده شد.نتایج: بیماران شرکت کننده در این مطالعه بر اساس تعداد واحدهای پک سل تزریق شده به سه دسته تقسیم شدند. نتایج به‌دست‌آمده از سه مدل یادگیری عمیق توسعه‌یافته نشان داد که مدل شبکه عصبی بازگشتی ساده دقیق‌ترین روش را ارائه می‌دهد و مقادیر ریشه میانگین مربعات خطا و ضریب همبستگی به‌ترتیب 0.95 و 0.9 را در مقایسه با سایر مدل‌ها به‌دست آورد. نتیجه‌گیری: روش‌های یادگیری عمیق ابزارهای قدرتمندی برای مدل‌سازی و پیش‌بینی دقیق واحدهای انتقال گلبول قرمز هستند. این توانایی به متخصصین بیهوشی‌ و جراحان کمک می‌کند تا پیش‌بینی دقیقی از میزان نیاز به تعداد واحدهای پک سل مورد نیاز قبل از عمل جراحی، با استفاده از ویژگی‌های متعدد داشته باشند.