自动ML准确地预测了急性大血管缺血性中风中的内血管机械血栓切除术
Rishi Raj1, Santhosh Kumar Kannath2, Jimson Mathew1
1Department of Computer Science and Engineering, Indian Institute of Technology Patna, Patna, India.
Frontiers in neurology
|October 16, 2023
概括
自动机器学习 (autoML) 准确地预测了机械血栓切除术后中风患者的功能结果,优于传统模型. 这提供了改善的临床决策和患者护理.
科学领域:
- 人工智能的人工智能
- 医疗保健中的机器学习
- 临床信息学 临床信息学
背景情况:
- 医疗保健中自动机器学习 (autoML) 的采用受限于可解释性问题.
- 机械血栓切除术是急性缺血性中风的关键干预措施.
研究的目的:
- 利用自动ML预测机械血栓切除术患者的功能结果.
- 将自动ML模型的性能与传统机器学习 (ML) 模型进行比较.
- 专注于训练模型的可解释性.
主要方法:
- 分析了156名急性缺血性中风患者的大血管封闭 (LVO).
- 提取了34个变量 (临床,人口,成像,程序).
- 自动ML (AutoGluon,MLJAR,等等) 的使用. 和传统的ML模型 (决策树,SVM等). 预测的修改的兰金尺度 (mRS) 成绩.
主要成果:
- 自动ML模型表现出比传统ML模型更好的性能.
- 对于释放时的mRS,autoML实现了88.23%的准确性 (AutoGluon) 与74.11% (决策树).
- 在3个月的mRS中,自动ML实现了85.18%的准确性 (MLJAR) 与76.5% (SVM).
结论:
- 自动ML模型准确地预测了机械血栓切除术患者的功能结果.
- 自动ML 便于临床编码和部署用于关键决策.
- 有一个用于计算mRS分数的演示应用程序.
