不确定性意识深度学习可用于可靠地预测内血管血栓切除术后的长期结果
Celia Martín Vicario1,2, Dalia Rodríguez Salas3,4, Andreas Maier4
1Department of Neuroradiology, Friedrich-Alexander University of Erlangen-Nuremberg, University Hospital Erlangen, Erlangen, Germany. celia.martin@fau.de.
Scientific reports
|March 6, 2024
概括
这项研究开发了一种人工智能模型,用于预测血栓切除术后急性缺血性中风 (AIS) 患者的结果. 该模型准确预测了长期的功能结果和死亡率,有助于临床决策.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 急性缺血性中风 (AIS) 是全球死亡和残疾的主要原因.
- 在内血管血栓切除术 (EVT) 后准确预测长期结果对于优化患者护理和临床决策至关重要.
- 可解释的深度学习模型为开发可靠的预测工具提供了潜力.
研究的目的:
- 引入一个不确定性意识的图形深度学习模型,用于预测经过EVT的AIS患者的功能结果 (3个月修改的兰金得分,mRS) 和死亡率.
- 用临床特征和成像生物标志物来评估模型的性能.
主要方法:
- 开发一个不确定性意识的图形深度学习模型,包括图形卷积网络 (GCN) 和完全连接网络 (FCN).
- 在前部循环中包括220名AIS患者,他们接受了EVT.
- 使用曲线下的面积 (AUC) 评估模型性能,以预测不同时间点的mRS和死亡率 (入院,血栓切除术后,中风后1天).
主要成果:
- 在mRS预测中,GCN模型实现了0.87的最大AUC,在死亡率预测中,FCN实现了0.86.
- 模型的性能从入院 (AUC 0.76) 到血栓切除术后 (AUC 0.84) 和中风后1天 (AUC 0.89) 得到改善.
- 该模型展示了可靠的不确定性预测能力.
结论:
- 开发的图表深度学习模型显示了准确预测AIS患者在EVT后的长期结果和死亡率的前景.
- 该模型提供不确定性估计的能力提高了其可靠性和临床实用性.
- 这种方法可以支持临床决策,并提高AIS患者的治疗质量.
