在手术前计算机断层扫描和临床数据的深度学习预测了中风血栓切除术后的结果
James P Diprose1, William K Diprose2, Tuan-Yow Chien1
1Independent Computer Scientist, Auckland, New Zealand.
Journal of neurointerventional surgery
|March 25, 2024
概括
深度学习模型在预测内血管血栓切除术 (EVT) 后缺血性中风患者的功能结果方面表现有希望. 性能与后勤回归可比,表明改善预后的潜力.
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:
- 治疗前预后对于接受内血管血栓切除术 (EVT) 的缺血性中风患者至关重要.
- 深度学习 (DL) 模型提供了使用临床和成像数据改进预测的潜力.
研究的目的:
- 评估DL模型在预测EVT患者3个月功能结果方面的有效性.
- 将DL模型的性能与经典机器学习和现有的预测工具进行比较.
主要方法:
- 在临床和成像 (CT头部,CT血管造影) 基线数据上训练并测试了DL模型.
- 经典模型 (逻辑回归,随机森林) 和MR PREDICTS工具用于比较.
- 外部验证是在一个独立的数据集上进行的.
主要成果:
- 使用CT和临床数据的深度学习模型实现了强大的区分能力 (AUC 0.811).
- 仅使用临床数据的逻辑回归显示了可比性能 (AUC 0.817).
- 这两种模型的性能都超过了其他DL方法和MR PREDICTS工具.
结论:
- 深度学习证明了与逻辑回归相比较的区分性能,用于预测EVT后的功能独立性.
- 未来的研究应该探索程序和程序后数据对模型准确性的影响.
