一个基于人工智能的预后预测模型,用于出血性中风
Yihao Chen1, Cheng Jiang2, Jianbo Chang1
1Department of Neurosurgery, Peking Union Medical College Hospital, Peking Union Medical College, Chinese Academy of Medical Sciences, Beijing, China.
European journal of radiology
|September 16, 2023
概括
卷积神经网络 (CNN) 改善了对出血性中风结果的预测. 临床成像融合模型的表现优于传统尺度,为脑内出血患者提供了更好的预后见解.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 大脑内出血 (ICH) 预后不好.
- 现有的ICH预后模型缺乏全面的成像功能.
- 准确预测短期结果对于患者管理至关重要.
研究的目的:
- 使用卷积神经网络 (CNN) 开发一种新的临床成像融合模型.
- 预测ICH患者的短期神经功能预后.
- 根据已建立的ICH尺度评估模型的性能.
主要方法:
- 一个多中心的回顾性研究,涉及1990年ICH患者.
- 构建两个基于CNN的深度学习模型,用于结果预测.
- 使用嵌套的5倍交叉验证和与ICH和ICH分级表进行比较的验证.
主要成果:
- 临床成像融合CNN模型在测试组中实现了最高的AUC (0.903).
- 一个基于图像的CNN模型显示出强大的预测性能 (AUC = 0.886).
- 两种CNN模型的表现都明显优于ICH尺度 (AUC = 0.777) 和ICH分级尺度 (AUC = 0.747).
结论:
- 使用神经成像的基于CNN的预后模型优于传统的ICH尺度来预测出院结果.
- 整合临床数据进一步提高了CNN模型的预测效率.
- 这种方法为预测ICH患者的神经结果提供了更有效的工具.
