機械的血栓回収後の血行動態画像および機械学習を用いた出血性変化予測

科学分野:

• 医用画像
• 神経学
• 機械学習

背景:

• 出血性変化（HT）は、急性虚血性脳卒中の機械的血栓回収術（MT）後の重要な合併症である。
• HTの予測は、治療戦略の最適化と患者の転帰の改善のために極めて重要である。
• 定量的デジタル差分血管造影法（qDSA）は、詳細な血行動態情報を提供する。

研究 の 目的:

• 血栓回収後のHTの予測モデルを開発および検証すること。
• 機械学習を用いてqDSAからの血行動態特徴量と臨床データを統合すること。
• HTに対する機械学習モデルの予測性能を評価すること。

主な方法:

• MTを受けた急性前循環大血管閉塞患者171例の後ろ向き解析。
• 術後のqDSA灌流画像から39個の血行動態パラメータを抽出。
• 5つの特徴量選択アルゴリズムと5つの機械学習モデル（Elastic-Logisticを含む）を適用。
• 受信者操作特性（ROC）曲線および曲線下面積（AUC）を用いて評価。
• SHapley Additive exPlanations（SHAP）を用いたモデル解釈。

主要な成果:

• qDSAおよび臨床的特徴を統合した最良のモデルは、平均AUC 0.86を達成した。
• qDSA特徴量のみを用いたモデルは、平均AUC 0.81に達した。
• 出血性変化は171例中68例で発生した。

結論:

• qDSA由来の血行動態および臨床的特徴を統合した機械学習モデルは、血栓回収後のHTを効果的に予測できる。
• このアプローチは、MTを受けた急性虚血性脳卒中患者におけるHT予測のための予備的なツールを提供する。
• 予測能力を向上させるためには、さらなる検証が必要である。