在脑血管和内血管神经外科手术中用于临床结果预测的机器学习:系统审查和元分析
Haydn Hoffman1, Jason J Sims2, Violiza Inoa-Acosta3,4
1Semmes-Murphey Neurologic and Spine Institute, Memphis, Tennessee, USA hhoffman@semmes-murphey.com.
Journal of neurointerventional surgery
|May 21, 2024
概括
机器学习 (ML) 显示出预测神经外科手术结果的前景. 需要进一步的多中心研究来确认其在脑血管和内血管程序中的通用性.
科学领域:
- 神经外科 神经外科
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 神经外科手术中的临床结果预测传统上依赖于既有方法.
- 机器学习 (ML) 提供了一种潜在的更准确的方法来预测患者的结果.
- 本综述侧重于ML在脑血管和内血管神经外科手术中的应用.
研究的目的:
- 系统地审查关于使用ML用于脑血管和内血管神经外科手术中临床结果预测的现有文献.
- 评估ML模型在这个领域的性能和通用性.
主要方法:
- 进行了全面的文献搜索,以确定相关研究.
- 包括的研究开发了监督的ML模型,以预测神经外科患者的术后结果或并发症.
- 分析了预测71个结果的60项研究的数据.
主要成果:
- 机器学习模型,特别是随机森林和XGBoost,表现出强大的预测性能.
- 在78.6%的比较研究中,ML模型的表现优于传统的统计模型.
- 在90%的比较中,ML模型也显示出优于非ML临床预测模型的优势.
- 对于血栓切除术后的功能结果的AUROC是0.84;对于SAH结果,它是0.89-0.90.
结论:
- 机器学习在脑血管和内血管神经外科手术中预测临床结果方面表现良好.
- 机器学习模型的通用性需要通过外部验证的多中心研究进行进一步的研究.
