脳内動脈瘤のフローダイバー治療後の血栓栓症の予測のための機械学習:多中心の遡及研究

科学分野:

• 神経内血管外科
• 医療における人工知能
• 脳血管疾患の管理

背景:

• 複雑な頭蓋内動脈瘤では,フローダイバー (FD) が好ましい.
• 術後の血栓塞栓症 (TEE) は一般的な合併症です.
• TEEの予測ツールは現在不足しています.

研究 の 目的:

• FD植入後のTEEを予測するための機械学習モデルを開発し,検証する.
• TEEリスクに関連する主要な臨床的および動脈瘤の特徴を特定する.

主な方法:

• FDで治療された377人の患者 (451人の動脈瘤) の遡及分析.
• ラッソ回帰とSVMを含む機械学習アルゴリズムが使用されました.
• AUC-ROCとAUC-PRを用いてモデルの性能を評価し,解釈可能性のためのSHAP分析を行った.

主要な成果:

• 10の変数を持つ機械学習モデルは,TEEを高い精度で予測した (AUC-ROC 0.96,AUC-PR 0.88).
• 主な予測要因は動脈瘤の幅,LDL,高血圧,動脈瘤の位置,トリグリセリド,糖尿病でした.
• 臨床適用のためのウェブベースのツールが開発されました.

結論:

• 検証された機械学習モデルは,FD治療を受けている患者のTEEリスクを予測できます.
• このツールは神経介入医が 治療戦略をパーソナライズするのに役立ちます
• このモデルはリスクの階層化と 根拠に基づいた臨床意思決定を容易にする.