脳室内出血に対する低侵襲手術における動的予後予測のための深層学習：モデル開発と検証研究
Jingxuan Wang1, Jian Shi2, Qing Ye3
1Department of Neurology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan City, China.
JMIR medical informatics
|January 7, 2026
まとめ
新しいMultiStep Transformerモデルは、低侵襲手術（MIS）後の脳室内出血（ICH）患者の生存および機能転帰を動的に予測します。この高度なツールは、不均衡データを効果的に処理し、個別化された予後のための従来のモデルを上回ります。
科学分野:
- 神経学および神経外科
- 医療における人工知能
- 医療データサイエンス
背景:
- 低侵襲手術（MIS）後の脳室内出血（ICH）の予後は動的であり、従来のモデルでは予測が困難です。
- 既存のモデルは、多時点、不均衡、および欠損している臨床データを扱うのに苦労しています。
- 進化する患者の状態に適応できる動的予後モデルの必要性があります。
研究 の 目的:
- MISを受けたICH患者の動的予後モデルを開発および検証すること。
- 多時点データを使用して短期および長期の生存率と機能転帰を予測すること。
- 既存モデルの複雑な臨床データを処理する上での限界に対処すること。
主な方法:
- 複数の時点における287人のMISを受けたICH患者のデータを遡及的に収集しました。
- 30日および180日の生存率、および180日の機能転帰（mRS 0-3）の同時予測のためのMultiStep Transformerモデルを開発しました。
- 5分割交差検証、ROC曲線、較正曲線、DCA、および寄与値分析を使用して評価しました。
主要な成果:
- MultiStep Transformerモデルは、従来のスコアや他の深層学習モデルと比較して優れた予測効果を示しました。
- 30日生存率（0.87）、180日生存率（0.85）、180日機能転帰（0.75）で高いAUROCを達成しました。
- 決定曲線分析により、さまざまな閾値確率における有意な臨床的有用性が確認されました。
結論:
- MultiStep Transformerモデルは、MIS後のICH患者における動的予後予測のために不均衡データを効果的に利用します。
- このモデルは、個別化された予後評価のための新規で強力なツールを提供し、患者ケアを改善します。
- この研究は、神経外科的転帰予測における高度なAIモデルの可能性を強調しています。
