マイナーストロークの予後予測を強化する空間的ラジオミクスベースの解釈可能なマルチモーダル機械学習モデル：多施設コホート研究

科学分野:

• 神経画像診断
• 機械学習
• 脳卒中医学

背景:

• マイナーストロークの管理において、不利な予後の正確な予測は極めて重要です。
• 従来のラジオミクスモデルでは、臨床的洞察に不可欠な空間的病変特性が見過ごされがちです。

研究 の 目的:

• 機械学習を用いた空間的ラジオミクス解釈可能モデルを開発・検証し、マイナーストロークの予後を予測する。
• 様々なトポロジーレベルでの病変の空間的特徴量を定量的に抽出する。

主な方法:

• 4,164人のマイナーストローク患者のコホートを分析しました。
• ボクセルベースおよびノルマティブ接続病変分析により、空間的梗塞特徴量を定量化しました。
• ハイブリッド空間ラジオミクスモデルは、これらの特徴量と機械学習分類器を統合し、SHAPを用いて解釈しました。

主要な成果:

• 空間的ラジオミクスモデルは、従来のラジオミクスと比較して、優れた予測精度（AUC：0.95/0.88/0.87）を達成しました。不利な予後の主要な予測因子には、皮質脊髄路、小脳脚、およびデフォルトモード領域における病変の切断が含まれていました。
• 空間的ラジオミクスモデルは、従来のラジオミクスと比較して、優れた予測精度（AUC：0.95/0.88/0.87）を達成しました。不利な予後の主要な予測因子には、皮質脊髄路、小脳脚、およびデフォルトモード領域における病変の切断が含まれていました。

結論:

• 空間的ラジオミクスモデルは、マイナーストロークにおける不利な予後の予測を大幅に強化します。
• このアプローチは、空間オミクスにおける新しい解釈可能な方法を提供し、脳卒中管理を改善します。