使用机器学习方法预测谁在动脉瘤下arachnoid出血后延迟了脑缺血:一个多中心,回顾性队列研究
Sihan Ge1, Junxin Chen2, Wei Wang3,4
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China.
BMC neurology
|May 27, 2024
概括
机器学习模型可以预测在动脉瘤下关节出血 (aSAH) 后的延迟大脑缺血 (DCI). 随机森林模型表现最好,识别了早期干预的关键风险因素.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 延迟大脑缺血症 (DCI) 显著影响动脉瘤下arachnoid出血 (aSAH) 患者的结果.
- 早期DCI预测对于改善患者预后至关重要.
- 机器学习 (ML) 提供了对临床结果的公正,早期识别的潜力.
研究的目的:
- 构建和比较ML模型,用于预测aSAH后的DCI.
- 识别和分析DCI的主要手术前和手术后风险因素.
主要方法:
- 一项多中心的回顾性队列研究包括1039名aSAH患者.
- 五个ML算法被用来构建预测模型.
- 用AUC,精度,灵敏度,特异性,精度和F1得分来评估模型性能.
主要成果:
- 23.003%的aSAH患者发生了DCI.
- 随机森林 (RF) 模型在测试队列中实现了最高的AUC (0.79).
- 关键预测因素包括修改的兰金尺度,D-Dimer,内血瘤,中性粒细胞/淋巴细胞比率和费舍尔得分.
结论:
- 射频模型在aSAH后预测DCI方面表现出卓越的性能.
- 确定了基本的风险因素,使得高风险患者的精确监测成为可能.
- 这些发现有助于及时进行预防DCI的临床干预.
