预测患有动脉瘤下结出血的患者的结果:一个机器学习引导的成绩单
Yi Zhang1,2, Hanhai Zeng1,2, Hang Zhou1,2
1Department of Neurosurgery, Second Affiliated Hospital of Zhejiang University School of Medicine, Zhejiang University, Hangzhou 310016, China.
Journal of clinical medicine
|November 25, 2023
概括
预测动脉瘤下arachnoid出血 (aSAH) 后的结果是具有挑战性的. 机器学习模型和新的得分卡使用常规指标准确预测患者的预后,帮助临床决策.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 动脉瘤下关节出血 (aSAH) 往往导致显著的长期残疾.
- 在aSAH中预测患者的结果仍然是一个临床挑战.
研究的目的:
- 为了比较传统物流回归的预测性能与aSAH结果的机器学习算法.
- 使用现有临床指标开发aSAH预后的实用预后得分表.
主要方法:
- 对于aSAH患者,收集了18个常规可用的指标.
- 评估了后勤回归 (LR),随机森林 (RF),支持矢量机 (SVM) 和完全连接的神经网络 (FCNNs).
- 基于机器学习预测器权重开发了一个预后得分卡.
主要成果:
- 机器学习模型和得分卡表现出良好的表现,曲线下的面积 (AUC) 介于0.75-0.80.
- 开发的得分卡实现了0.794的AUC,超过了LR (0.739) 和RF (0.749).
- 该得分卡确定了中性粒细胞与淋巴细胞的比率 (NLR),淋巴细胞计数,单细胞计数,高血压和SEBES得分作为关键预测因素.
结论:
- 机器学习模型和新的得分卡可以准确地预测aSAH患者的结果.
- 五因素得分卡提供了一个简化,临床上有用的工具,用于临床预后评估.
- 记分卡系统有助于在常规临床实践中应用预测分析,用于SAH管理.
