脳動静脈奇形破裂予測のための解釈可能な血行動態ベース機械学習モデルの開発と検証
Chengzhuo Wang1, Tzak Sing Lau1,2, Heze Han1
1Department of Neurosurgery, Beijing Tiantan Hospital and Beijing Neurosurgical Institute, Capital Medical University, No. 119 South Fourth Ring West Road, Fengtai District, Beijing, 100070, China.
Translational stroke research
|December 25, 2025
まとめ
本研究では、定量的血行動態と機械学習を用いて脳動静脈奇形（AVM）破裂リスクの新しい予測モデルを導入する。このモデルは堅牢な性能を示し、AVM患者のリスク層別化を改善する。
科学分野:
- 神経科学
- 医用画像処理
- 生体医工学
背景:
- 脳動静脈奇形（AVM）は、頭蓋内出血の重大なリスクをもたらします。
- 現在のAVM破裂リスク予測モデルは、主に人口統計データと病変の特徴に依存しており、血行動態ベースのアプローチは不足しています。
主な方法:
- 未治療のAVM患者の全国多施設レジストリ（MATCH研究）からのデータを利用しました。
- 定量的血管造影を用いて、デジタル減算血管造影（DSA）から63の定量的血行動態特徴量を抽出しました。
- 機械学習モデルを開発および検証し、内部、外部、および縦断的コホート全体でAUCなどの指標を使用して性能を評価しました。
結論:
- 定量的血行動態分析と機械学習の組み合わせは、個別化されたAVM破裂リスク予測のための有望なアプローチを提供します。
- 開発されたモデルは、堅牢な性能とAVM管理における臨床的意思決定を改善する可能性を示しています。
- 本研究は、脳血管疾患のリスク評価を高めるために、高度な計算技術と画像データを統合することの価値を強調しています。
