预测延迟的大脑缺血症随着动脉瘤下arachnoid 出血. 一个基于机器学习的研究
Ahmed Y Azzam1, Dhrumil Vaishnav2, Muhammed Amir Essibayi2
1Montefiore-Einstein Cerebrovascular Research Lab, Montefiore Medical Center, Albert Einstein College of Medicine, Bronx, NY, USA.
概括
机器学习模型可以预测动脉瘤下关节出血 (aSAH) 后的延迟脑缺血症 (DCI). 多层感知子模型显示高准确度,确定血管作为改善患者结果的关键预测因素.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 延迟脑缺血 (DCI) 是神经瘤下关节出血 (aSAH) 后的一个关键并发症,经常导致患者的不良后果.
- 机器学习 (ML) 方法为预测DCI和完善患者风险分层提供了潜力.
研究的目的:
- 开发和评估用于预测aSAH患者DCI的机器学习模型.
- 确定与DCI发展相关的关键临床变量和辅助因素.
主要方法:
- 训练和评估了6个ML模型 (逻辑回归,多层感知子,决策树,随机森林,梯度增强,XGB).
- 通过对患者数据的准确性,AUC,精度,回忆和F1得分来评估性能.
主要成果:
- 多层感知子模型以0.93准确度和0.85F1得分获得了最高的性能.
- 随机森林模型表现出强的表现,AUC为0.85.
- 临床血管被确定为DCI最重要的预测因子.
结论:
- ML模型,特别是多层感知子,显示出在aSAH中预测DCI的巨大潜力.
- 这些模型可以帮助对aSAH患者的风险分层和临床决策.
- 进一步验证对于实际实施和改善患者护理至关重要.
