人工神经网络预测经蝶内镜垂体腺瘤切除术时长，测试集平均绝对误差约38分钟
核心概要
该研究基于2016至2025年间100例经蝶内镜垂体腺瘤切除术患者的回顾性数据，提取22项术前变量，构建并评估人工神经网络与随机森林两种模型，以R²、MAE、RMSE及±30/±45分钟临床准确率作为评价指标，结果显示人工神经网络优于随机森林，测试集MAE为0.636小时（约38分钟），63.3%的预测落在±30分钟内、76.7%落在±45分钟内，关键预测因子包括肿瘤复发、距第三脑室底距离与束带征（cinch sign），作者据此认为该模型可为护理排班与手术室调度提供客观依据。
深度剖析
研究构建了用于预测经蝶内镜垂体腺瘤切除术手术时长的人工神经网络模型，并在测试集上取得MAE 0.636小时（约38分钟）的误差水平。 此前手术时长预测多依赖传统方法，本文以术前变量驱动的机器学习模型给出量化误差指标，将预测精度以小时与分钟形式明确呈现。 基于100例患者、22项术前变量的回顾性数据，报告了R²、MAE、RMSE等指标；但所加载文本为不完整版本，未给出R²与RMSE的具体数值，也未说明训练集与测试集的划分细节。
在临床可接受误差范围内，人工神经网络模型的预测有63.3%落在±30分钟内、76.7%落在±45分钟内。 研究不仅报告统计误差，还引入±30分钟与±45分钟两个临床准确率阈值，使模型表现可直接对应护理与手术室排班的时间容差。 临床准确率以百分比形式报告，来源为测试集预测结果；文本未说明该测试集的具体样本量。
人工神经网络在预测表现上优于随机森林模型。 研究在同一数据与变量集上并行比较两种算法，为选择建模方法提供了直接对照。 文本明确表述ANN优于随机森林，但未给出随机森林的具体误差数值，因此两者差距的幅度无法从所加载文本中量化。
肿瘤复发、距第三脑室底距离与束带征（cinch sign）被识别为手术时长的关键预测因子。 研究将预测因子从一般临床经验层面推进到具体术前变量层面，为后续变量筛选与模型解释提供线索。 关键预测因子来自模型分析结果；文本未说明各因子的重要性排序数值或统计显著性。
启示与展望
该模型面向经蝶内镜垂体腺瘤切除术的术前时长预估，适用于需要安排护理人力与手术室时段的围手术期管理场景，使用者为护理管理者与手术排班人员。其价值在于把术前变量转化为可量化的小时级时长预测，并以±30分钟与±45分钟两个阈值界定临床可接受范围，从而为排班提供客观依据。所加载文本为不完整版本，仅包含目的、背景、方法、结果与结论的概要，未包含图表与完整数值，因此本文所述结论应视为对该概要的解读。
所加载文本为不完整版本，缺少R²与RMSE的具体数值、训练集与测试集的划分方式、随机森林的对照误差，以及各关键预测因子的重要性排序，因此模型整体拟合优度与两模型差距幅度仍属开放问题。此外，100例、2016至2025年的单中心回顾性数据在时间跨度上可能伴随术式与流程变化，模型在新数据或其他机构中的稳定性有待前瞻性验证。临床准确率以测试集百分比呈现，但测试集样本量未在文本中说明，故这些比例的置信区间无法评估。