基于机器学习的急性缺血性中风预后风险分层模型的开发和验证
Kai Wang1,2, Tao Hong3,4,5, Wencai Liu6
1Department of Neurology, The Second Affiliated Hospital of Xuzhou Medical University, Xuzhou, Jiangsu, China.
Scientific reports
|August 23, 2023
概括
机器学习准确地预测了急性缺血性中风 (AIS) 的预后,使用神经元特异性酶 (NSE),同氨酸 (HCY) 和其他因素. 随机森林模型提供了一个可靠的工具来评估患者的结果和指导治疗策略.
科学领域:
- 神经学 神经学
- 生物医学信息学 生物医学信息学
- 数据科学数据科学数据科学
背景情况:
- 急性缺血性中风 (AIS) 是全球长期残疾的主要原因.
- 准确的预后预测对于有效的AIS干预和治疗至关重要.
研究的目的:
- 开发一种可靠的基于机器学习 (ML) 的模型,用于预测AIS患者的预后.
- 确定影响AIS结果的关键预后因素.
主要方法:
- 从677名AIS患者的回顾性数据收集.
- 使用后勤分析识别预后因素.
- 开发和评估ML模型,包括随机森林 (RF).
- 使用沙普利添加剂解释 (SHAP) 评估的特征重要性.
主要成果:
- 在30.9%的患者中观察到不良预后.
- 确定了六个关键变量:神经元特异性乙醇酶 (NSE),同氨酸 (HCY),S-100β,消化不良,C反应蛋白 (CRP) 和抗凝.
- 射频模型实现了0.908.90的最高AUC.
- NSE是最有影响力的预测因素,其次是HCY,S-100β,消化不良,CRP和抗凝.
结论:
- 开发的射频模型提供了准确的AIS预后预测.
- NSE,HCY,CRP,S-100β,抗凝血和失血症是预后不佳的重要预测因素.
- 基于射频模型的在线工具可以帮助临床医生优化AIS患者治疗.
