对大动脉化的CT分析,以预测腹部大动脉动脉瘤破裂
Mohamed Mansouri1,2, Eric Therasse3,4,5, Emmanuel Montagnon5
1Department of Radiology, McGill University Health Center (MUHC), Montréal, Québec, Canada.
European radiology
|November 24, 2023
概括
腹腔大动脉动脉瘤 (AAA) 破裂预测可以通过分析大动脉化分布来改进. 结合化模式的机器学习模型比传统方法更准确地预测AAA破裂风险.
科学领域:
- 心血管研究研究心血管研究
- 医学成像分析 医学成像分析
- 机器学习在医学中的应用
背景情况:
- 腹腔大动脉瘤 (AAA) 破裂预测目前依赖于性别和直径等因素,需要改进的方法.
- 大动脉化模式可能为AAA破裂风险提供额外的预测价值.
研究的目的:
- 通过机器学习和LASSO回归来研究大动脉化分布在预测AAA破裂中的实用性.
- 将结合化特征的模型与传统AAA破裂预测器的预测性能进行比较.
主要方法:
- 80名破裂AAA患者的回顾性分析与80名非破裂的对照进行了匹配.
- 使用单变量和多变量分析对化体积,分散和临床变量的比较.
- 机器学习和LASSO回归的应用用于预测建模,使用AUC和odds比率进行性能测量.
主要成果:
- 与未破裂的AAA相比,破裂的AAA具有较少的化聚合物,并且不太可能具有近端部.
- 机器学习确定了近距离部,抗血小板使用,化数和化分散 (欧几里德距离及其标准偏差) 作为破裂的关键预测因素.
- 关于化分散的LASSO回归发现与机器学习一致,尽管关于化数量的结果有所不同.
结论:
- 大动脉化分布,特别是分散,可能是AAA破裂风险的一个重要因素.
- 结合化特征的机器学习模型显示了改进AAA破裂预测的潜力.
- 需要进一步的前性研究来验证化分散在AAA破裂风险中的作用.
