脳卒中患者の血栓解剖後の合併症を予測するための説明可能な2段階の機械学習モデル:多センター研究

科学分野:

• * 神経科学と人工知能
• * 臨床的意思決定支援システム
• * 脳卒中管理と血栓溶解療法

背景:

• * 現在の脳卒中血栓分析リスク予測ツールでは,早期の出血事件の精度が限られている.
• * 改善された脳卒中管理戦略とリスクの階層化に対する需要は大きく満たされていない.
• * 既存の方法は,血栓解剖後の合併症を正確に予測するのに苦労しています.

研究 の 目的:

• * 脳卒中リスクの階層化のための説明可能な2段階の機械学習モデルを開発し,検証する.
• * 血栓分析前後の出血,複合合併症,全因死亡のリスクを予測する.
• * 脳卒中患者の血栓分析による有害事象の予測の精度を高めるため

主な方法:

• LightGBM,XGBoost,ランダムフォレスト,意思決定ツリー,ロジスティック回帰を統合した2段階の機械学習モデルの開発.
• * トンジ病院の5333人の脳卒中患者のデータでモデルを訓練する.
• * 2つの病院で 526人の患者のデータを外部検証した.

主要な成果:

• * このモデルは,血栓解剖前段階と比較して,血栓解剖後段階での予測精度が向上したことを示した.
• * 血流,複合合併症,および血栓解剖後の死亡予測において,より高いAUC値を達成した.
• * 確認されたプロトタイプで,気温,生命的徴候,人口統計学的要因を含む主要な予測要因を特定した.

結論:

• * 開発された機械学習モデルは,脳卒中患者の血栓分析リスク予測の精度を大幅に高めています.
• * このモデルは,パーソナライズされた患者ケア管理をサポートし,臨床的意思決定支援の統合の可能性を提供します.
• * このアプローチは,脳卒中管理と患者の安全性において大きな進歩を示しています.