脑卒中损伤大小 - 在高维模型时,仍然是用于脑卒中严重程度和结果的有用生物标志物
Christoph Sperber1, Laura Gallucci1, Daniel Mirman2
1Department of Neurology, Inselspital, University Hospital Bern, University of Bern, Bern, Switzerland.
NeuroImage. Clinical
|September 23, 2023
概括
脑损伤大小是一个有用的中风生物标志物,特别是在小型研究中. 高维空间数据在大型中风患者队列中提供了更好的预测,但在小队列中没有.
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:
- 卷度病变大小是一个常见的中风生物标志物.
- 它在机器学习模型中的实用性受到质疑.
- 高维空间损伤数据可以提供更好的预测.
研究的目的:
- 为了比较损伤大小与空间损伤特征的预测性能,以确定中风的严重程度和结果.
- 评估样本大小对模型性能的影响.
- 确定不同研究尺度的最佳生物标志物策略.
主要方法:
- 753名前循环缺血性中风患者的病变在扩散权重的MRI上被追踪.
- 模型使用病变大小或空间特征预测了中风严重程度 (NIHSS) 和功能结果 (mRS).
- 使用样本外验证来评估模型的通用性.
主要成果:
- 在预测中风严重程度方面,空间病变特征略高于病变大小 (R2=0.363对R2=0.322).
- 对于中风结果,病变大小和空间特征显示出类似的预测准确性 (62.8%与62.6%).
- 在较小的数据集 (150或50名患者) 中,空间特征的表现与病变大小相等或更差.
结论:
- 损伤大小是中风严重程度和结果的实用生物标志物,在小型研究中特别有价值.
- 空间损伤特征在大型队列中提供了更好的预测.
- 损伤大小可以作为低维模型中空间特征的可行代理.
