可解释的机器学习在预测高度动脉瘤下arachnoid 出血的结果
Lei Shu1,2,3,4, Hua Yan5, Yanze Wu1,2,3,4
1Department of Neurosurgery, The Second Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang 330006, Jiangxi, China.
Aging
|March 2, 2024
概括
机器学习准确地预测了高度动脉瘤下关节出血 (aSAH) 患者的结果. 关键预测因素包括WFNS等级,mFS得分和年龄,卷轴治疗表明更好的预后.
科学领域:
- 神经外科 神经外科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 准确的预后对于高度动脉瘤下关节出血 (aSAH) 患者的个性化治疗至关重要.
- 机器学习为开发复杂神经条件中的预测模型提供了一个有希望的途径.
研究的目的:
- 开发和验证可解释的机器学习模型,用于预测高度aSAH患者的12个月结果.
- 为了确定影响患者结果的关键预后因素,使用夏普利添加式扩展 (SHAP).
主要方法:
- 分析了421名高度aSAH患者的潜在注册队列.
- 机器学习模型 (LR,SVM,RF,XGBoost) 被训练并验证以预测12个月的结果.
- 针对特征可解释性的最佳模型 (随机森林) 进行了SHAP分析.
主要成果:
- 随机森林模型实现了最高的AUC (0.867),优于其他模型.
- 更高的WFNS等级,修改的费舍尔得分 (mFS) 和晚年与预后不佳有关.
- 卷积栓塞治疗与良好的预后有关.
结论:
- 机器学习,特别是带有SHAP分析的射频模型,为高级aSAH的预后预测提供了一个可解释和有效的工具.
- 确定的预后特征可以指导临床决策和个性化患者管理策略.
