自动化手术前和手术后体积估计了慢性腹腔内血瘤再治疗风险:一项回顾性多中心研究

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 慢性亚皮血瘤 (cSDH) 管理通常依赖体积值,但术前/术后体积与再治疗风险之间的联系尚不清楚.
• 对cSDH的再处理率在10%到30%之间,这突显了需要更好的预测因素的需要.

研究的目的:

• 调查手术前和手术后cSDH体积之间的关联以及手术重新治疗的可能性.
• 确定预测cSDH复发的潜在体积值,并开发用于风险预测的机器学习模型.

主要方法:

• 来自四个1级创伤中心的538名单边cSDH患者的回顾性分析 (2009年2月至2021年8月).
• 利用3D深度学习自动化细分管道来确定手术前和术后cSDH体积.
• 雇佣接收机操作曲线分析以确定体积值和梯度增强机器以预测复发风险.

主要成果:

• 重新治疗 (12%的患者) 与较高的手术前 (122毫升 vs 103毫升) 和手术后 (62毫升 vs 35毫升) cSDH体积显著相关.
• 术前体积>140毫升几乎使复发风险增加了三倍;术后体积>46毫升增加了再治疗风险 (22%vs6%).
• 机器学习模型实现了0.76的接收器操作曲线下的面积,用于预测重新处理,其中关键特征包括体积,血小板数和年龄.

结论:

• 术前和术后增加的cSDH体积与增加的再治疗率有关.
• 体积值可以帮助识别可能从辅助疗法中受益的高风险患者.
• 机器学习为估计cSDH数量和预测复发风险提供了快速而准确的方法.