通过机器学习预测中风中血栓切除术中的血栓:多中心开发和验证

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 缺血性中风可能是由癌症引起的.
• 在中风患者中诊断癌症是具有挑战性的.
• 对血栓的组织病理学分析可能提供诊断线索.

研究的目的:

• 开发和验证机器学习模型,用于诊断缺血性中风患者的癌症.
• 为了分析在内血管血栓切除过程中获得的血栓的组织病理图像.
• 将患者分为癌症或其他原因组.

主要方法:

• 使用前性多中心注册表的回顾性研究 (韩国,2017-2021年).
• 包括因急性缺血性中风而接受内血管血栓切除术的患者.
• 机器学习模型的开发和验证,使用免疫组织化学染色血栓 (血小板,纤维素,红细胞) 的全幻灯片成像.

主要成果:

• 血小板模型在分类癌症患者方面显示出高准确性 (AUC 0.986培训,0.954内部验证,0.949外部验证).
• 模型是使用来自182名患者的70,561张图像来开发的.
• 该模型准确地预测了患者的隐性癌症,概率为88.5%至99.2%.

结论:

• 机器学习模型可以预测癌症是缺血性中风的潜在原因.
• 这些模型可以帮助使用瘤图像检测隐藏的癌症.
• 血小板染色分析显示,对中风患者的癌症预测有前途.