通过使用放射性特征与临床特征相结合的多种机器学习预测立体性脑出血患者的90天预后
Jinwei Li1,2, Cong Liang3, Junsun Dang1
1Department of Neurosurgery, Liuzhou Workers Hospital, Liuzhou, Guangxi, China.
Frontiers in surgery
|February 23, 2024
概括
这项研究开发了一种组图,将临床和放射性数据结合起来,以预测手术后高血压脑内出血 (HICH) 患者的结果. 与单个模型相比,组合模型显著提高了预后预测的准确性.
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:
- 高血压脑内出血 (HICH) 的死亡率和残疾率很高.
- 通过非对比计算断层扫描 (NCCT) 引导的立体动脉瘤去除显示出有希望的结果,但患者的结果有变化.
- 准确预测预后对于管理HICH患者至关重要.
研究的目的:
- 开发和验证HICH患者接受立体动脉瘤切除的90天预后预测模型.
- 评估临床,放射和组合模型在预测HICH患者预后方面的性能.
- 确定影响HICH预后的关键临床和放射性特征.
主要方法:
- 对432名接受立体血瘤切除的HICH患者进行了回顾性分析.
- 利用从NCCT扫描中提取的临床数据和放射性特征.
- 采用最小绝对收缩和选择操作员 (Lasso) 进行特征选择.
- 通过整合选定的临床和放射性特征,开发了一个名图.
- 通过训练和测试数据集验证模型的预测准确性.
主要成果:
- 组合的诺莫格拉姆模型显示出优异的预测性能.
- 组合模型的曲线下的面积 (AUC) 为0.987 (训练) 和0.932 (测试).
- 组合模型的表现优于单个临床 (AUC: 0.957训练,0.922测试) 和放射性 (AUC: 0.932训练,0.770测试) 模型.
结论:
- 整合临床和放射性特征的诺莫图谱提供了一个强大的工具,用于预测HICH患者在立体动脉瘤切除后的预后.
- 这种综合方法提高了结果预测的准确性,与仅依赖临床或放射性数据的模型相比.
- 这些发现支持使用放射学与临床信息一起用于个性化HICH管理.
