在独立外部队列中验证机器学习模型：集合模型以0.77一致性指数预测脊柱裂患者新发肾积水，并以71%准确率分类膀胱功能障碍
本研究将此前开发的三种机器学习模型（基于压力-容积数据的深度学习卷积神经网络、基于透视影像的深度学习影像模型，以及平均两者风险数据的集合模型）适配到单一机构2016至2025年间脊柱裂患者的独立外部队列，用于预测新发肾积水和分类膀胱功能障碍严重程度；在70例肾积水队列中13例（18%）发生新发肾积水，集合模型一致性指数0.77（压力-容积0.70、影像0.72）、总体AUROC 0.75（压力-容积0.67、影像0.74），在95次VUDS检查的膀胱功能障碍分类中集合模型准确率71%（压力-容积60%、影像66%），与专家儿科泌尿科医师评审无实质性分歧，结论是这些模型可适配外部独立数据集并达到与