一个基于人工智能的腹腔大动脉动脉瘤预后分类器来预测患者的结果

科学领域:

• 心血管医学 心血管医学
• 生物医学工程 生物医学工程
• 医疗保健中的人工智能

背景情况:

• 腹腔大动脉动脉瘤 (AAA) 破裂是导致死亡的首要原因,目前的管理依赖于"最大直径标准".
• 这一标准是不够的,因为较小的AAA可能会破裂,导致患者的治疗结果低于最佳.
• 对AAA进行准确的风险分层对于及时干预和改善患者存活率至关重要.

研究的目的:

• 开发和验证用于预测AAA患者结果的机器学习模型.
• 创建动脉瘤预后分类器预测稳定性,需要修复或破裂.
• 为AAA管理提供个性化的方法,超越目前基于直径的指南.

主要方法:

• 训练和评估机器学习模型,使用381名AAA患者的临床,生物力学和形态数据.
• 利用患者特定的医学成像和临床数据作为模型的输入.
• 开发了一个动脉瘤预后分类器 (APC) 模型来预测三种患者结果之一.

主要成果:

• 该研究代表了使用医学成像和临床数据进行AAA结果分类的最大队列.
• 开发的APC模型显示了对特定患者结果进行分层的潜力.
• 机器学习模型整合了患者特定的生物力学,形态学和临床数据.

结论:

• 该APC模型显示承诺作为个性化AAA管理的临床工具.
• 这种方法可以帮助临床医生为AAA患者做出更明智的决定.
• 整合多样化的患者数据可以提高AAA破裂风险预测的准确性.