基于机器学习的预测中风静脉血栓溶解后的症状性脑内出血:一项大型多中心研究
Rui Wen1, Miaoran Wang2, Wei Bian3
1Shenyang Tenth People's Hospital, Shenyang, China.
Frontiers in neurology
|November 6, 2023
概括
机器学习模型可以预测缺血性中风治疗后的症状性内出血. 多层感知子 (MLP) 模型在预测出血风险方面表现优异,有助于临床决策.
科学领域:
- 神经学 神经学
- 数据科学数据科学数据科学
- 医疗信息学 医疗信息学
背景情况:
- 缺血性中风是导致残疾的主要原因.
- 血栓溶解是急性缺血性中风的关键治疗方法.
- 在血栓溶解后预测症状性内出血 (sICH) 对患者的安全至关重要.
研究的目的:
- 为了比较各种机器学习模型在血栓溶解后预测SICH的性能.
- 确定在缺血性中风患者中SICH风险评估的最有效模型.
主要方法:
- 使用了8,924名经过血栓溶解的缺血性中风患者的多中心数据集.
- 开发和验证了包括后勤回归,SVM,随机森林,GBDT和MLP在内的机器学习模型.
- 用曲线下面面积 (AUC) 和决策曲线分析来评估模型性能.
主要成果:
- 使用拉索规范化的后勤回归实现了最高的AUC (0.87).
- 该MLP模型表现出强大的预测能力 (AUC=0.766) 并因其临床实用性而被选中.
- 抗凝固疗法和重组组织等离子体激活剂是逻辑回归模型识别的关键预测因素.
结论:
- 建议使用MLP模型预测血栓溶解后缺血性中风患者的sICH风险.
- 这个模型可以帮助临床医生规划治疗和预测结果.
- 准确的SICH预测可以提高中风治疗后的患者管理和安全性.
