使用机器学习预测穿孔动脉区域梗塞患者早期神经病变的预测:一项回顾性研究
Wei Liu1, Longbin Jia1, Lina Xu1
1Department of Neurology, Jincheng People's Hospital, Jincheng, China.
Frontiers in neurology
|June 6, 2024
概括
机器学习可以准确地预测穿孔动脉区域心脏病发作患者的早期神经恶化. 关键预测因素包括阿波利波蛋白B,胆固醇水平和特定的中风特征.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 心血管研究研究心血管研究
背景情况:
- 早期神经系统恶化 (END) 是穿孔动脉区域梗塞 (PAI) 患者的常见并发症.
- 终结显著恶化了患者的结果.
- 预测和缓解END对于改善PAI患者预后至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 算法,用于预测PAI患者的END.
- 为了确定与PAI中END相关的关键风险因素.
- 通过预测分析来加强PAI的临床管理.
主要方法:
- 对1,020名PAI患者的回顾性分析.
- 使用递归特征消除与交叉验证 (RFECV) 来识别13个关键预测特征.
- 开发和比较七个ML算法,包括梯度增强决策树,用于END预测.
- 沙普利添加式解释 (SHAP) 用于模型解释性和特征意义评估.
主要成果:
- 梯度增强决策树模型实现了曲线下的最高面积 (0.914),用于预测 END.
- 确定的关键预测因素包括血尿素,胆固醇水平 (总胆固醇,LDL-C,apoB),心房动,抗血小板治疗,阿斯巴特罗班,心脏病发作的位置 (基底腺,乳头,后胸动脉),心脏病发作的大小和中风亚型.
- 鉴定出Apolipoprotein B (apoB) 是预测END最重要的变量.
结论:
- 机器学习算法,特别是渐变增强决策树,在预测PAI患者的END方面表现出很高的有效性.
- 鉴定的风险因素为早期干预和个性化治疗策略提供了宝贵的见解.
- 这项研究强调了ML在改善PAI的管理和结果方面的潜力.
