くも膜下出血後の慢性水頭症の予測モデル開発における機械学習

科学分野:

• 脳神経外科; 放射線学; 人工知能

背景:

• くも膜下出血（aSAH）は、慢性水頭症を発症する重大なリスクをもたらす。慢性水頭症の正確な予測は、適時の介入と患者予後の改善のために不可欠である。

研究 の 目的:

• aSAH患者における慢性水頭症の予測モデルを開発・検証する。機械学習を用いて臨床データ、放射線特徴、および血腫量を統合し、予測精度を向上させる。

主な方法:

• 臨床データおよび画像データを収集した410人のaSAH患者のデータセットを利用した。正確な血腫量定量化のために3D-Unetモデルを開発した。放射線特徴を抽出し、LASSO回帰を用いて特徴選択を行い、機械学習アルゴリズムを用いて臨床放射線ノモグラムを構築した。

主要な成果:

• 3D-Unetモデルは、SAH容積のセグメンテーション（DSC：0.85）において高い精度を達成した。血腫量や脳室周囲白質変化など、6つの独立した予測因子を特定した。ロジスティック回帰ベースのノモグラムは、良好な較正を伴う強力な予測性能（トレーニングセットでAUC：0.884、テストセットで0.860）を示した。

結論:

• 開発された臨床放射線ノモグラムは、aSAH患者における慢性水頭症のリスクを効果的に予測する。血腫量、臨床的特徴、および放射線特徴の統合は、予測精度を大幅に向上させる。このモデルは、臨床的有用性と患者管理を導く可能性を示す。