基于机器学习的模型用于预测白血病脑出血患者的结果
Lu Shi1, Ping Yin1, Cancan Chen2
1Department of Radiology, Peking University People's Hospital, 11 Xizhimen Nandajie, Xicheng District, Beijing 100044, China.
European journal of radiology
|June 21, 2024
概括
这项研究开发了使用非对比计算断层扫描 (NCCT) 图像的组合模型,以预测白血病患者与内出血 (ICH) 的死亡率. 这些模型准确地预测了7天和短期生存,突出了放射性形状特征的重要性.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 白血病患者的内出血 (ICH) 与快速进展和高死亡率有关.
- 关于在这个特定患者群体中ICH结果的成像预测指标的数据有限.
研究的目的:
- 开发和评估ICH白血病患者7天和短期死亡风险的预测模型.
- 为了利用非对比计算断层扫描 (NCCT) 图像特征用于预后建模.
主要方法:
- 对135名ICH白血病患者的NCCT图像进行了回顾性分析.
- 使用手动评估和放射学提取图像特征.
- 在数据归算后使用后勤回归和随机森林算法开发预测模型 (临床,放射学,组合).
主要成果:
- 组合模型显示了7天 (AUC=0.84,AUPRC=0.83) 和短期死亡率 (AUC=0.87,AUPRC=0.89) 的良好预测效果.
- 临床决策曲线分析表明,组合模型在预测7天和30天死亡风险方面具有优越的益处.
- 放射性形状特征是模型预测能力的重要贡献者.
结论:
- 整合NCCT特征的组合模型有效预测ICH白血病患者的7天和短期死亡率.
- 放射性分析,特别是形状特征,在这个群体中为ICH提供了关键的预后标记.
