脳内出血の拡大を予測する非コントラストCTベースのディープラーニング

科学分野:

• 神経学
• 放射線科
• 医療における人工知能

背景:

• 脳内出血 (ICH) は,高い死亡率と障害を持つ重度の脳卒中です.
• 早期の血腫拡大 (HE) は,ICH患者の予後に影響を及ぼします.
• 静脈内出血 (IVH) の増殖を含む改訂血腫拡大 (rHE) は,従来のHE定義よりも予後精度が向上しています.

研究 の 目的:

• ICH患者の高リスクrHEを予測するために,非コントラストCT (NCCT) スキャンを利用したディープラーニングモデルを開発する.
• 血腫が大きく広がるリスクのある患者を特定することで 早期の介入を可能にします

主な方法:

• 2つのセンターからの775人のICH患者の遡及データセットが使用され,スキャンはトレーニング,内部テスト,および外部テストのコホートに分けられました.
• 2Dと3Dのコンボリューションニューラルネットワーク (CNN) モデル (ResNet,DenseNet) は,ベースラインのNCCT画像で訓練されました.
• モデルの性能は,受信機の動作特性曲線 (AUC) 下の領域を使用して評価され,臨床および放射線学的特徴を組み込んだロジスティック回帰およびSVMモデルと比較されました.

主要な成果:

• 2D-ResNet-101のディープラーニングモデルは,外部テストセットで0.777のAUCで最高の性能を達成しました.
• このディープラーニングモデルは,BRAINスコアと統合ロジスティック/SVMモデルを含む ベースラインの臨床放射線モデルを大幅に上回りました.
• このモデルは,伝統的な方法と比較して,高リスクのrHEを特定するための有利な予測性能を示した.

結論:

• NCCTイメージングに基づくディープラーニングモデルは,ICH患者の高リスクのrHEを効果的に予測できます.
• 開発された2D-ResNet-101モデルは,既存の臨床および放射線学に基づくアプローチと比較して,優れた予後精度を示しています.
• このAI主導のアプローチは,早期のリスク層分化を改善し,ICH管理における適切な介入を導くことを約束しています.