使用人工智能预测下肢旁路移植的未来阻塞或狭窄,同时分析当前和之前的超声检查中收集的所有流速

科学领域:

• 血管外科 血管外科
• 医学成像分析 医学成像分析
• 人工智能在医学中的应用

背景情况:

• 用双重超声波 (DUS) 进行例行监测对于监测旁路移植至关重要.
• 目前的DUS分析方法在检测即将发生的绕道移植失败方面存在局限性.
• 人工智能 (AI) 提供了改善早期检测贪污问题的潜力.

研究的目的:

• 研究复发性神经网络 (RNN) 在预测未来绕道移植封闭或狭窄方面的有效性.
• 利用全面的DUS数据进行更准确的故障预测.
• 为了提高风险绕道移植的早期检测.

主要方法:

• 使用663名患者的DUS数据开发和比较两个RNN模型 (双向LSTM和GRU).
• 从2-5个之前的DUS检查中利用峰值缩速度进行预测.
• 采用10倍交叉验证来优化超参数,并对测试数据的模型进行比较.

主要成果:

• 双向LSTM实现了高性能:0.939的灵敏度,0.963的闭塞特异性;0.915的灵敏度,0.909的狭窄特异性.
• 模型的性能在不同绕道类型和患者子组之间有所不同 (例如,当前吸烟者的性能较低).
• 在检测即将发生的移植失败方面,RNN表现出良好的灵敏度,特异性和准确性.

结论:

• 通过使用历史的DUS数据,RNNs可以有效地预测旁路移植的闭塞和临界狭窄.
• 人工智能与DUS的整合显示出有潜力显著改善绕道移植监控.
• 通过将临床数据与DUS检查相结合,可以实现进一步的改进.