机器学习模型的开发和内部验证,以预测急性前部循环大血管封闭后机械血栓切除术后的死亡率和残疾
Haydn Hoffman1, Jacob Wood1, John R Cote1
1Department of Neurosurgery, State University of New York Upstate Medical University, Syracuse, New York, USA.
World neurosurgery
|November 24, 2023
概括
机器学习模型准确地预测机械血栓切除术 (MT) 后的大血管封闭 (LVO) 的90天结果. 这些模型的性能优于传统方法,有助于患者在中风恢复方面的护理决策.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 机械血栓切除术 (MT) 是对患有大血管闭塞 (LVO) 中风的患者的关键干预措施.
- 尽管有MT,但许多患者仍然面临显著的死亡率或严重残疾.
- 需要预测模型来优化患者选择和术后护理.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测LVO的MT后90天的功能结果.
- 将ML模型的性能与现有的临床预测得分进行比较.
主要方法:
- 357名为LVO接受MT的患者 (2015-2021) 的回顾性审查.
- 随机森林 (RF) ML模型的开发,使用血栓切除前和血栓切除后的数据.
- 使用曲线下的面积 (AUC) 评估模型性能,以预测有利的功能状态,严重残疾和死亡率.
主要成果:
- 射频模型显示了90天结果的强有力的预测性能.
- 在血栓切除前的射频模型中,AUC达到0.73至0.78.
- 血栓切除术后的射频模型显示AUC有所改善,严重残疾达到0.82.
- 射频模型的表现明显优于已建立的临床评分 (SPAN-100,THRIVE,HIAT).
结论:
- 机器学习模型,特别是随机森林模型,可以准确地预测LVO.机械血栓切除术后的90天结果.
- 与标准的统计和临床预测工具相比,这些ML模型提供了更高的预测准确性.
- 这些发现支持在中风护理中使用ML以个性化治疗和改善患者预后.
