PRERISK:一个个性化的,基于人工智能和基于统计的中风复发预测器,用于复发性中风
Giorgio Colangelo1,2, Marc Ribo1,3, Estefanía Montiel2
1Vall d'Hebron Research Institute, Passeig de la Vall d'Hebron, Barcelona, Spain (G.C., M. Ribo, M.O.-G., M.M., Á.G.-T., M. Requena, J.P., J.J., D.R.-L., N.R.-V., F.R., B.T., C.A.M., M. Rubiera).
Stroke
|March 28, 2024
概括
预测中风复发是一个挑战. 新的机器学习工具PRERISK提供了个性化的中风复发风险预测,有可能改善患者的自我护理和结果.
科学领域:
- 神经学 神经学
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 个性化预测中风复发是困难的,但对于患者的自我护理至关重要.
- 为了应对这一挑战,开发了一种新的统计和机器学习分类器PRERISK.
研究的目的:
- 开发和验证一种机器学习模型,用于预测随时间推移的个人中风复发风险.
- 将机器学习模型的性能与传统的考克斯回归进行比较.
主要方法:
- 在西班牙加泰罗尼亚 (2014-2020年) 诊断患有中风的41,975名患者的临床和社会经济数据的分析.
- 开发监督机器学习模型,以预测早期,晚期和长期中风复发.
- 使用C统计和接收器运行特征曲线 (AUC) 下的面积来评估模型准确性.
主要成果:
- 16.21%的患者在2.69年的中位数随访期间经历了中风复发.
- 确定的主要预测因素包括从上次中风开始的时间,巴特尔指数,心房动,失脂症,年龄,糖尿病和性别.
- 机器学习模型在预测90天,91-365天和>365天的复发时比考克斯回归有统计学显著的改善 (AUC分别为0.76,0.60,0.71).
结论:
- PRERISK提供了一种新的,个性化的,准确的方法来预测中风复发风险.
- 该模型能够纳入动态风险因素控制,这有助于改善患者管理.
