人工智能可以预测急性缺血性中风患者的个性化结果:SIBILLA项目
Pietro Caliandro1, Jacopo Lenkowicz2, Giuseppe Reale3
1Unit of Neurology, Fondazione Policlinico Universitario A. Gemelli IRCCS, Rome, Italy.
European stroke journal
|May 23, 2024
概括
使用XGBoost的人工智能模型可以在24小时内可靠地预测缺血性中风患者的个性化结果. 这种工具有助于医生预测患者的预后,并改善与家庭的沟通.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医学预测 医学预测
背景情况:
- 对缺血性中风患者的准确预后具有挑战性.
- 个性化结果预测对于患者的护理和管理至关重要.
研究的目的:
- 开发和评估一种人工智能 (AI) 模型,用于预测缺血性中风患者的个性化预后.
- 在中风后的前24小时内制定预后,使用国家卫生研究院中风量表 (NIHSS).
主要方法:
- 利用794名急性缺血性中风患者的队列,分为培训 (597) 和测试 (197) 组.
- 评估了四种机器学习模型:随机森林,K-最近邻居,支持向量机器和XGBoost.
- 采用回归和分类方法来预测出院时的NIHSS,使用在24小时内收集的临床和仪器数据.
主要成果:
- 在评估的模型中,XGBoost表现出卓越的性能.
- 人工智能模型实现了高准确性 (分类器为80%,回归器为75%) 和f1-score (79%对比77%).
- 关键预测因素包括入院和24小时NIHSS,24小时格拉斯哥昏迷量表 (GCS),心率,CT扫描结果和TICI分数.
结论:
- XGBoost AI 模型可靠地预测中风后 24 小时内个性化患者结果 (NIHSS).
- 这种人工智能工具可以增强临床决策和患者与医生的沟通.
- 该模型的学习和改进能力为优化中风治疗途径提供了潜力.
更多相关视频
09:59A Magnetic Resonance Imaging Protocol for Stroke Onset Time Estimation in Permanent Cerebral Ischemia
Published on: September 16, 2017
14.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
