机器学习模型的开发,用于预测患有远端中血管封闭症的患者的结果:一项回顾性研究
Burak Berksu Ozkara1, Mert Karabacak2, Apoorva Kotha3
1Department of Neuroradiology, MD Anderson Cancer Center, Houston, TX, USA.
Quantitative imaging in medicine and surgery
|September 15, 2023
概括
机器学习模型使用CT输液和实验室数据准确地预测急性缺血性中风 (AIS) 患有远端中血管封闭 (DMVO) 患者的短期结果. 关键预测因素包括不匹配量和时间至最大值.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 大血管封闭 (LVO) - 急性缺血性中风 (AIS) 的预后因素是明确的,但对于远端中血管封闭 (DMVO) 的预后因素却不那么明确.
- 预测DMVO患者的结果对于有效的治疗策略至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测DMVOs的AIS患者的短期结果.
- 确定影响DMVO患者预后的关键人口,临床,实验室和计算机断层扫描 (CT) perfusion 参数.
主要方法:
- 对患有AIS患者的DMVOs进行了回顾性队列研究.
- 利用了人口,临床,实验室和CT输液数据.
- 采用了各种ML算法,包括XGBoost,通过递归特征消除 (RFE) 进行特征选择,并使用ROC和PRC曲线进行结果预测评估.
主要成果:
- 在预测不利结果方面,XGBoost模型表现出强的表现 (AUROC 0.894,AUPRC 0.756).
- 最重要的预测因素包括不匹配量,最大时间 (Tmax) >6s,扩散加权成像 (DWI) 量和中性粒细胞与血小板的比率 (NPR).
- 其他显著特征包括MCV,Tmax>10s,血红蛋白,,低 perfusion 指数 (HI) 和Tmax>8s.
结论:
- 在基线定量实验室和CT参数上训练的ML模型可以准确预测DMVO患者的短期结果.
- 这些模型为临床医生提供了宝贵的工具,用于DMVOs的预后预测.
- 这些发现可能会指导未来的研究,以优化DMVOs的中风护理.
