一个基于CT的可解释的人工智能模型用于脑内出血的预后:一个多中心研究
Hao Zhang1, Yun-Feng Yang2,3, Xue-Lin Song4
1Department of Radiology, The First Affiliated Hospital of Dalian Medical University, Dalian, 116000, Liaoning, China.
BMC medical imaging
|July 9, 2024
概括
这项研究开发了一个可解释的人工智能 (AI) 模型,集成放射性,深度学习和成像功能,以预测脑内出血 (ICH) 的预后. 多式人工智能模型准确预测患者的结果,增强临床决策.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 预测模型的预测建模
背景情况:
- 准确预测脑内出血 (ICH) 的预后对于有效的紧急护理和患者管理至关重要.
- 目前的预后工具可能缺乏优化ICH患者治疗结果所需的精度.
研究的目的:
- 开发和验证一种新的,可解释的人工智能 (AI) 模型,用于预测脑内出血 (ICH) 患者的6个月预后.
- 该模型整合了放射性,深度学习和成像功能,以提高预测准确度.
主要方法:
- 追溯分析222名ICH患者的非对比计算机断层扫描 (NCCT) 图像和临床数据.
- 从血瘤区域提取放射性 (1762个特征) 和深度学习 (1000个特征) 的数据.
- 随机森林模型 (放射学,放射学-临床,DL-放射学-临床) 的开发和使用外部队列数据进行验证.
主要成果:
- 在外部测试队列中,DL-Radiomics-Clinical模型实现了接收器操作特征曲线 (AUC) 下的面积为0.89.
- 放射学临床模型也表现出强的性能,AUC为0.86.
- 使用可解释性方法 (SHAP,Grad-CAM) 来分析模型决策.
结论:
- 多模式可解释的AI模型准确预测ICH预后,为临床医生提供了一种有价值的工具.
- 整合不同的成像功能显著提高模型性能.
- 可解释的AI技术部分减轻了AI在临床实践中的解释性挑战.
