頭蓋内出血拡大を予測するための臨床的に適用可能な機械学習アプローチ

科学分野:

• 神経学
• 放射線学
• 医療情報学

背景:

• 血腫拡大（HE）は、頭蓋内出血（ICH）患者における予後不良の重要な予測因子である。
• ICH症例における効果的な治療計画のためには、HEの正確な予測が不可欠である。

研究 の 目的:

• ICH患者におけるHEの予測モデルを開発・評価すること。
• HE予測における臨床変数、ラディオミクス特徴量、および組み合わせモデルの性能を比較すること。

主な方法:

• 452人のICH患者のコホートが解析された。
• 予測には、臨床変数およびCT画像からの1142のラディオミクス特徴量が使用された。
• 特徴量選択には勾配ブースティングとLASSOが採用され、モデルは5分割交差検証を用いて構築・検証された。

主要な成果:

• 組み合わせモデルは最高の予測性能を達成した（平均AUC 0.77±0.05）。
• 組み合わせモデルは、臨床変数のみ（0.70±0.06）またはラディオミクス特徴量（0.73±0.04）のみを使用したモデルよりも優れた性能を示した。
• 抗凝固療法が、組み合わせモデルにおいて最も重要な予測因子として浮上した。

結論:

• 臨床データとラディオミクスデータを統合した新規HE予測モデルが開発された。
• このモデルは、救急現場におけるICH患者のタイムリーな治療決定において、非脳卒中専門医を支援することができる。