通过血压变化预测脑中风患者的预后:基于机器学习的方法
Kaiting Fan1, Wenya Cao1, Hong Chang1
1Department of Neurology, Xuanwu Hospital, Capital Medical University, National Clinical Research Center for Geriatric Disease, Beijing, China.
Journal of clinical hypertension (Greenwich, Conn.)
|October 16, 2023
概括
机器学习模型可以预测急性缺血性中风 (AIS) 患者的结果. 随机森林模型准确预测预后,帮助个性化二次预防策略.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医学预测 医学预测
背景情况:
- 机器学习 (ML) 越来越多地用于疾病预后预测.
- 优化急性缺血性中风 (AIS) 的早期查需要有效的预后变量选择.
- 在接受血栓溶解治疗的AIS患者中预测功能结果对于及时干预至关重要.
研究的目的:
- 在接受静脉输血栓溶解的AIS患者中,在出院后三个月确定功能不良结果的预测因素.
- 开发一种高效的ML预后模型,以提高AIS中的预测准确度.
- 为了比较四种ML方法在预测AIS预后方面的性能.
主要方法:
- 使用了四种ML方法:随机森林,支持矢量机,天真贝叶斯式和逻辑回归.
- 选和重组的特征用于ML预后模型的构建.
- 招募了352名AIS患者,接受了静脉输血栓溶解治疗.
主要成果:
- 随机森林模型实现了0.790的曲线下的面积 (AUC),用于预测30天修改的兰金度量表.
- 支持向量机 (0.542),天真贝叶斯式 (0.411) 和逻辑回归 (0.661) 显示出较低的预测性能.
- 关键变量包括NIHSS,年龄,白细胞计数,中性粒细胞,甘油三,提洛菲班,神经变化和血压.
结论:
- 随机森林模型在评估血栓溶解后AIS患者预后方面表现出高准确度.
- 这种ML模型可以帮助准确,个性化的二次预防策略AIS.
- 该模型的增强预测准确性可能会减少AIS患者的误诊和错误诊断.
