《整形与重建外科》11 月号上的一项研究报告称，人工智能 (AI) 技术可以提供更准确的方法来预测基于植入物的乳房重建术后假体周围感染的风险

ASPS成员外科医生、资深作者兼通讯作者 CharlesE.Butler医学博士和第一作者 Abbas M. Hassan，医学博士。

人工智能有助于深入了解假体周围感染的复杂风险因素

假体周围感染(植入物周围发生的感染)是乳房切除术后基于植入物的乳房重建的常见且严重的并发症。尽管已经开发出工具来提供与乳房重建相关的风险的个体化评估，但传统的统计技术可能无法分析影响并发症风险的“复杂的非线性相互作用”。

Butler 博士及其同事评估了机器学习的使用，以评估使患者发生植入相关并发症(包括感染和外植)风险较高或较低的变量。研究人员开发、验证和评估了九种监督机器学习算法的使用，以预测假体周围感染和外植(植入物移除)的风险。80% 患者的随机样本数据作为训练集，其余 20% 作为测试或验证集。

AI 方法是根据 481 名患者(平均年龄 50 岁)总共 694 例基于植入物的乳房重建的数据开发的。在中位随访 16 个月的过程中，16.3% 的重建发生假体周围感染，移植率为 11.8%。