评估基于近红外光谱和机器学习的生物光学灵敏度参数在不同年龄组的TBI中识别内出血的性能

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 机器学习在医学中的应用

背景情况:

• 创伤性脑损伤 (TBI) 是一个重大的全球健康挑战,往往需要快速诊断.
• 目前用于TBI的诊断方法,如CT扫描,在可访问性和时间上都有局限性.
• 需要准确的,非侵入性的工具来加快疑似TBI病例的分类.

研究的目的:

• 评估基于机器学习的近红外光谱学 (mNIRS) 生物光学灵敏度参数 (STOI+ITOI) 的准确性.
• 评估mNIRS在不同年龄组的疑似TBI患者选中的有效性.
• 确定mNIRS是否可以通过检测内出血 (ICHs) 来促进TBI的及时干预.

主要方法:

• 进行了一项前性,观察性,双盲,横截面研究.
• 招募了240名疑似TBI的受试者,建议进行CT扫描.
• CT发现与mNIRS衍生的STOI+ITOI参数进行了比较,用于ICH检测.

主要成果:

• 使用STOI+ITOI对1288个扫描叶片的分析表明了高的诊断性能.
• 在所有年龄段,特异性为97% (CI 95-98%),敏感性为96% (CI 92-99%),准确性为97% (CI 96-98%).
• 这些参数可靠地检测到各种ICH类型,尤登指数为0.93和强大的概率比.

结论:

• 基于mNIRS的STOI+ITOI系统是TBI分类的高度准确的工具.
• 它在所有年龄组都表现出卓越的诊断性能,有助于检测内出血.
• mNIRS为有效和及时的TBI患者管理提供了一个有希望的非侵入性方法.