基于机器学习的诺米图:整合MRI放射学和临床指标,用于急性缺血性中风的预后评估
Frontiers in neurology
|June 27, 2024
概括
这项研究开发了一种使用人工智能预测急性缺血性中风 (AIS) 结果的临床放射学模型. 该模型准确预测预后,帮助个性化治疗以获得更好的患者护理.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 急性缺血性中风 (AIS) 是全球死亡和残疾的主要原因.
- 准确的AIS预后对于有效的治疗和改善患者的治疗结果至关重要.
- 这项研究研究的是将多参数MRI的机器学习放射学与AIS预后的临床数据相结合.
研究的目的:
- 创建和验证一个集成多MRI放射学签名和临床因素的诺米克图.
- 预测急性缺血性中风 (AIS) 患者的预后.
主要方法:
- 在两个中心对506名AIS患者进行了回顾性研究,分为培训和验证队列.
- 从T1加权,T2加权和扩散加权的MRI扫描中提取了4,682个放射性特征.
- 使用后勤回归和已识别的风险因素开发预测性临床放射学名图.
主要成果:
- 冠心病,血小板与淋巴细胞的比率,尿酸,葡萄糖,同类蛋白和放射性特征被确定为独立的预测因素.
- 临床放射学模型表现出强大的预测准确性,ROC-AUC在训练组中为0.940,在验证组中为0.854.
- 该模型显示出显著的预测可靠性和临床实用性,用于区分有利于不利的AIS结果.
结论:
- 临床放射学模型有效预测AIS的预后.
- 人工智能在制定个性化治疗计划和提高AIS患者护理方面发挥着至关重要的作用.
- 这种方法代表了个性化和有效的AIS管理的重大进步.
关键词:
急性缺血性中风是急性缺血性中风.机器学习是机器学习.多参数核磁共振 (MRI) 是一种多参数核磁共振.这个名字是名ogramogram.预后 预后 预后无线电学 (radiomics) 是一种无线电学.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
