機械的血栓解剖の結果を予測するために頭蓋内動脈の結晶化を統合した機械学習モデル

科学分野:

• 神経科学
• 放射線科
• 人工知能

背景:

• 前部循環閉塞による急性性性血栓性脳卒中 (AIS) は,適切なタイミングでメカニカル・トロンベクトミー (MT) を要求する.
• 患者の管理とリソースの配分に MTの結果を予測することが重要です.
• 頭蓋内動脈カルシフィケーション (IAC) は潜在的なイメージングバイオマーカーですが,MTのアウトカムに対するその予測値はさらなる調査を必要とします.

研究 の 目的:

• 急性不全性脳卒中 (AIS) の患者におけるメカニカル・トロンベクトミー (MT) 結果のイメージング予測因子として頭蓋内動脈カルシフィケーション (IAC) を評価する.
• 術前データを用いてAIS患者のMT結果を予測する機械学習 (ML) モデルを開発し,検証する.

主な方法:

• 前頭循環閉塞の823人のAIS患者でMTを受けた後の分析.
• 定量的なIAC評価を含む手術前臨床的および放射線学的データの収集
• SHAP値を用いた解釈による11 MLアルゴリズムの開発と検証

主要な成果:

• エクストラ・ツリーズ・MLモデルは 最も高い予測精度を達成しました
• MTの結果の主要な予測因子には,高血圧歴,血清アルブミン,および全カルシファイド体積が含まれていた.
• IACの量は,MTの成功を予測する重要なイメージングバイオマーカーとして登場しました.

結論:

• IAC総量は,前回循環AISにおけるMT結果の有意な予測因子である.
• 手術前データを組み込むMLモデルは,手術後の結果をしっかりと予測できます.
• これらのモデルは,臨床医がMT候補者を正確に選択するのに役立ちます.