在急性创伤性脑损伤中用于神经外科干预的基于视觉变压器的决策支持:自动化外科干预支持工具
Christopher W Smith1, Armaan K Malhotra1, Christopher Hammill1
1From the Division of Neurosurgery (C.W.S., A.K.M., E.M.H., Y.H., H.S., J.R.W., C.D.W.), Trauma Program and Quality Assurance (A.M., E.C.), Department of Emergency Medicine (A.D.A., G.M.), and Department of Medical Imaging (S.M., R.M., E.C.), St Michael's Hospital, 30 Bond St, Toronto, ON, Canada M5B 1W8; Li Ka Shing Knowledge Institute (C.W.S., A.K.M., E.M.H., Y.H., H.S., H.M.L., M.M., S.M., J.R.W., E.C., C.D.W.) and Data Science and Advanced Analytics (C.H., D.B., B.J., M.M.), Unity Health Toronto, Toronto, Ontario, Canada; Institute for Health Policy, Management and Evaluation (A.K.M., H.S., M.M., J.R.W., C.D.W.), Interdepartmental Division of Critical Care (F.M.), Temerty Faculty of Medicine (A.D.A., G.M., M.M., S.M., J.R.W., R.M., C.D.W.), and Leslie Dan Faculty of Pharmacy (M.M.), University of Toronto, Toronto, Ontario, Canada; and Division of Trauma Surgery, Sunnybrook Health Sciences Centre, Toronto, Ontario, Canada (A.B.N.).
一个新的机器学习工具准确地预测神经外科干预创伤性脑损伤 (TBI) 患者使用CT扫描. 这种自动分类系统,ASIST-TBI,有助于及时做出关键创伤护理的决定.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
背景情况:
- 创伤性脑损伤 (TBI) 需要对神经外科干预进行快速准确的评估.
- 目前的分拣方法可能耗时,可能无法充分利用先进的成像数据.
- 自动化决策支持工具有可能提高TBI患者管理的效率和准确性.
研究的目的:
- 开发和验证一个自动化选工具,即TBI自动化外科干预支持工具 (ASIST-TBI),用于预测TBI患者的神经外科干预的需要.
- 用头部CT扫描来评估ASIST-TBI模型的性能.
主要方法:
- 省级创伤登记处的回顾性审查,以确定在加拿大专门的创伤中心治疗的TBI患者 (2005-2022年).
- 开发和验证使用头部CT扫描和患者级标签表示神经外科干预的深度学习模型.
- 使用TBI患者的一组连续测试组进行的性能评估.
主要成果:
- 在测试数据集上,ASIST-TBI模型在预测神经外科干预方面表现出很高的准确性 (AUC 0.92,准确率为87%).
- 在持久连续测试组 (AUC 0.89,准确率84%) 中,性能保持强.
- 该模型在初始测试数据集上获得了87%的灵敏度和88%的特异性.
结论:
- 一种新的深度学习模型,ASIST-TBI,可以根据CT扫描准确预测急性TBI患者的神经外科干预的需要.
- 这种自动化工具有望改善TBI管理中的分拣和决策支持.
- 这些发现支持将机器学习纳入创伤护理临床工作流程.
