使用机器学习模型预测用流量转移器治疗的内动脉瘤不完全堵塞
Bassel Hammoud1, Julia El Zini2, Mariette Awad2
11Biomedical Engineering Program and.
Journal of neurosurgery
|December 1, 2023
概括
机器学习可以准确地预测在流量转移器治疗后内动脉瘤堵塞的情况. 这种工具有助于神经外科医生定制患者护理,以获得治疗脑动脉瘤的更好的结果.
科学领域:
- 神经外科 神经外科
- 医疗技术 医疗技术 医学技术
- 人工智能在医学中的应用
背景情况:
- 内囊动脉瘤会导致严重的非创伤性脑出血.
- 流量转移器提供了一个不那么侵入性的治疗选择,但在6个月内完全封闭的失败率为25%.
研究的目的:
- 开发一种机器学习 (ML) 工具,用于预测动脉瘤堵塞结果,在流量转移器治疗后6个月.
- 在神经血管干预中加强治疗规划和针对患者量身定制的医学.
主要方法:
- 训练了六个ML算法 (SVM,随机森林等) 和逻辑回归 (LR) 使用616名患者667个动脉瘤的26个特征.
- 采用沙普利增量解释 (SHAP) 分析来确定模型改进的顶级预测特征.
主要成果:
- 基于ML的工具,特别是SVM模型,在预测闭塞方面实现了89%的准确性,明显优于LR (62%的准确性).
- 即使有了顶级特征的子集,ML模型也保持了高预测准确度 (83%).
- 关键预测因素包括患者年龄,高血压,吸烟状态,分支血管参与,动脉瘤部和直径.
结论:
- 一个基于ML的预测工具已成功开发,用于用流量转移治疗的内动脉瘤.
- 这种工具有助于神经外科医生改进治疗策略和个性化患者护理.
