使用机器学习预测血瘤扩张:ATACH 2试验的探索性分析
Arooshi Kumar1, Jens Witsch2, Jennifer Frontera3
1Rush University Medical Center, Department of Neurology, Chicago, IL 60612, United States of America.
Journal of the neurological sciences
|May 15, 2024
概括
这项研究开发了机器学习模型,以预测脑内出血患者的血液瘤扩张. 人工神经网络显示出最佳性能,比传统方法提供了适度的改进.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 血瘤扩张 (HE) 是脑内出血 (ICH) 预后不佳的一个关键预测因素.
- 预测HE对于患者管理和治疗策略至关重要.
- 当前的预测模型可能无法充分利用先进的计算技术.
研究的目的:
- 开发和评估深度学习分类模型,用于预测ICH患者的HE.
- 评估机器学习算法的性能,而不依赖于先进的放射学特征.
- 为了确定与HE相关的关键临床变量.
主要方法:
- 利用了来自急性脑出血抗高血压治疗 (ATACH-2) 试验的数据.
- 采用多个机器学习算法与代特征选择和结果平衡.
- 定义HE为在24小时内血瘤体积增加>33%或6毫升.
- 使用AUC,精度,灵敏度和特异性对逻辑回归进行模型比较.
主要成果:
- 性能最好的模型是人工神经网络 (ANN),AUC为0.702.
- 对ANN的表现略高于传统的后勤回归 (AUC 0.658).
- 最初的血瘤体积,CT头部的时间和静脉血压是关键预测因素.
结论:
- 开发机器学习模型,包括ANN,以预测ICH患者的HE.
- 在没有先进的放射特征的情况下,ANN模型显示了改进的,虽然适度的,预测性能.
- 需要对更大,更多样化的数据集进行进一步的验证,以使模型通用化.
