基于MRI的多参数机器学习模型来评估STA-MCA绕道手术对Moyamoya疾病的有效性:试点研究
Huaizhen Wang1,2, Jizhen Li3, Jinming Chen2,4
1The First Clinical Medical College, Shandong University of Traditional Chinese Medicine, Jinan, Shandong, China.
Journal of imaging informatics in medicine
|July 17, 2024
概括
使用T1WIMRI序列的机器学习模型有效地评估了Moyamoya病患者的表面动脉-中脑动脉旁路手术疗效,优于临床模型.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 表面动脉-中脑动脉 (STA-MCA) 绕道手术对莫亚莫亚病 (MMD) 非常重要.
- 非侵入性评估绕道疗效对于患者管理至关重要.
- 手术后的附带血管发育是MMD治疗成功的关键.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于非侵入性评估STA-MCA绕道手术在MMD中的疗效.
- 将ML模型的性能与临床模型和组合模型进行比较.
主要方法:
- 招募了118名接受STA-MCA旁路手术的MMD患者.
- 提取了临床特征 (包括血小板数) 和MRI放射性特征.
- 开发并使用ROC曲线验证了五种ML模型,包括后勤回归和整合放射学分数的组合模型.
主要成果:
- 在T1WI ML模型的测试组中,AUC达到0.84 (95%CI,0.70-0.97).
- 这种表现超过了临床模型 (AUC 0.66) 和组合模型 (AUC 0.80).
- 血小板计数和放射性评分被确定为独立的预测参数.
结论:
- T1WI ML模型显示了在MMD中非侵入性评估术后STA-MCA绕道手术疗效的显著潜力.
- 这种ML方法为客观评估MMD患者手术结果提供了一个有希望的工具.
更多相关视频
04:18Author Spotlight: A Novel Approach to Cerebral Ischemia Modeling – Enhancing Reperfusion and Simplifying Procedure
Published on: May 31, 2024
1.0K
05:19A Mouse Model for Vascular Cognitive Impairment and Dementia Based on Needle-guided Asymmetric Bilateral Common Carotid Artery Stenosis
Published on: November 22, 2024
443
