使用机器学习预测缺血性中风患者血栓溶解后90天的预后
Ahmad A Abujaber1, Ibrahem Albalkhi2,3, Yahia Imam4
1Nursing Department, Hamad Medical Corporation, Doha P.O. Box 3050, Qatar.
Journal of personalized medicine
|November 25, 2023
概括
机器学习,特别是支持矢量机器模型,可以准确地预测血栓溶解后缺血性中风的预后. 这有助于个性化治疗计划,以获得更好的患者结果.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 缺血性中风是导致残疾的主要原因.
- 血栓溶解改善了结果,但需要仔细选择患者.
- 准确的预后预测对于优化血栓溶解后护理至关重要.
研究的目的:
- 开发和评估用于预测缺血性中风预后的机器学习模型.
- 通过SHAP分析确定患者结果的关键预测因素.
主要方法:
- 利用了卡塔尔中风注册 (2014-2022) 的数据,包括723名接受血栓溶解治疗的缺血性中风患者.
- 评估的临床变量:人口统计,中风严重程度,并发症,实验室结果,生命体征和并发症.
- 我们比较了五种机器学习模型,使用AUC和SHAP分析评估了支持矢量机器 (SVM) 的性能.
主要成果:
- SVM模型实现了0.72的曲线下的面积 (AUC) 来预测预后.
- 重要的预测因素包括中风严重程度,入院血压,高血压,冠状动脉疾病,中风亚型 (来源不明) 和医院获得的尿路感染.
结论:
- 机器学习,特别是SVM模型,在进行血栓溶解的缺血性中风患者中,有望改善早期预后预测.
- 这种方法可以支持临床医生制定个性化治疗策略.
- 鼓励进一步研究包括全面的数据,以提高个性化中风护理和幸存者的生活质量.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
09:10Determining the Functional Status of the Corticospinal Tract Within One Week of Stroke
Published on: February 22, 2020
8.6K
