集成机器学习来预测基于非对比CT成像的机械血栓切除术后徒劳的再通道化

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

背景情况:

• 机械血栓切除术 (MT) 是有效的急性缺血性中风 (AIS) 来自大血管封闭 (LVO).
• 然而,有25%的患者经历了徒劳的再通道治疗 (FR),尽管成功的再通道治疗,但结果不佳.
• 预测FR对于优化患者管理至关重要.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,使用非对比计算机断层扫描 (NCCT) 图像来预测在接受MT的AIS患者中FR.
• 评估模型的准确性和性能指标.

主要方法:

• 70名患有LVO的AIS患者的回顾性分析,这些患者在8小时内通过MT实现了完全的再通道化 (eTICI 3).
• 使用"Mazda"软件从NCCT图像和临床数据中提取381个特征.
• 一个集体机器学习 (EML) 模型的开发,该模型以70:30的训练测试分期进行训练.

主要成果:

• 结合临床数据的EML模型实现了0.76.6的准确性.
• 该模型显示灵敏度为0.88,特异性为0.69,NPV为0.90,PPV为0.64和AUC为0.84.
• 该模型在识别FR风险患者方面表现有前途.

结论:

• 基于NCCT的ML分析是预测AIS患者MT后FR的有希望的工具.
• 需要在更大的研究中进一步验证以证实这些发现.
• 这种方法可能有助于识别那些尽管成功重新道化,但可能无法从MT中受益的患者.