急性虚血性脳卒中における血栓溶解後痙攣の予測のための機械学習モデルの開発と検証

科学分野:

• 神経学
• 医療情報学
• 生物統計学

背景:

• 脳卒中後痙攣（PSS）は虚血性脳損傷の一般的な合併症ですが、危険因子は十分に理解されていません。
• PSSの予測は、その発現のばらつきと複雑な根本的なメカニズムのために困難です。

研究 の 目的:

• 血栓溶解療法を受けている急性虚血性脳卒中（AIS）患者におけるPSSリスクを予測するための機械学習（ML）モデルを開発および検証すること。
• 患者のリスク層別化と管理を改善するために、PSSの主要な臨床的および検査的予測因子を特定すること。

主な方法:

• 21の臨床および検査変数を活用し、血栓溶解療法を受けた332人のAIS患者の後ろ向き分析を実施しました。
• 専門家のコンセンサスとBorutaアルゴリズムによる特徴選択を含む7つのMLモデル（ランダムフォレスト（RF）を含む）を開発しました。
• AUC、ブライアースコア、精度、感度、特異度、および特徴の解釈可能性のためのSHAP分析を使用してパフォーマンスを評価しました。

主要な成果:

• ランダムフォレストモデルはAUC 0.867で最適な性能を示しました。
• 主要な予測因子は、空腹時血糖、血清ナトリウム、血清カルシウム、年齢でした。
• 血清電解質濃度の低下、血糖値の上昇、および若年者は、PSSのリスク増加と関連していました。

結論:

• 開発されたRFベースのMLモデルは、アクセス可能な臨床データを使用して、血栓溶解療法を受けたAIS患者のPSSリスクを効果的に層別化します。
• SHAP分析は、空腹時血糖、血清ナトリウム/カルシウム、および年齢を重要な予測因子として強調し、個別ケアのための実行可能な洞察を提供します。
• ウェブツールとして展開されたこのモデルは、PSSの負担を軽減するための早期介入戦略に役立ちます。