在急性缺血性中风患者中使用放射学数据和机器学习方法预测复发性缺血性中风:多中心,大样本,中国前性观察队列研究的协议
Jingyi Li1,2, Mengqi Han1,2, Yongsen Chen1,2
1Department of Medical Big Data Research Centre, The Second Affiliated Hospital of Nanchang University, Nanchang, Jiangxi, China.
BMJ open
|October 10, 2023
概括
这项研究旨在利用放射学和机器学习预测急性缺血性中风 (AIS) 患者的复发性中风. 早期识别高风险个体可以改善结果并减少住院治疗.
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:
- 卒中是全球死亡和残疾的主要原因之一.
- 重复性中风导致更糟糕的结果和更长的住院时间.
- 准确预测中风复发对于患者管理至关重要.
研究的目的:
- 开发和验证急性缺血性中风 (AIS) 患者中风复发的预测模型.
- 利用放射学数据和机器学习进行风险分层.
- 识别高风险患者进行有针对性的干预.
主要方法:
- 将建立1957名AIS患者的未来注册表.
- 收集的数据包括临床,成像,实验室和CYP2C19基因型信息.
- 深度学习和机器学习算法将提取放射学特征并构建一个预测模型.
主要成果:
- 主要结果是预测中风复发.
- 二次结果包括死亡率,预后得分和不良事件.
- 模型性能将使用校准和ROC分析进行评估.
结论:
- 开发的模型旨在准确预测AIS患者中复发性中风的风险.
- 这个工具可以帮助临床医生识别有风险的个体.
- 改善风险识别可能会导致更好的患者结果和减少医疗保健负担.
