基于机器学习的脑血管发生的人工智能预测模型

科学领域:

• 神经学 神经学
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 症状性脑血管是脑动脉瘤破裂的危险并发症.
• 现有的下关节出血分级表 (SAH) 对预测结果或血管发生的能力有限.
• 需要一种可靠的方法来预测症状性脑血管.

研究的目的:

• 开发和验证基于人工智能 (AI) 的算法,用于预测动脉瘤SAH患者的症状大脑血管.
• 评估人工智能模型在识别血管高风险患者方面的准确性.
• 将AI模型的预测能力与现有的临床分级尺度进行比较.

主要方法:

• 在R环境中使用支持矢量机器 (ksvm) 的AI算法被开发出来.
• 包括八十七名患有动脉瘤SAH的患者;数据进行了坚持和交叉验证.
• 该数据集包括人口统计数据,亨特和赫斯 (H&H),费舍尔等级,巴罗神经研究所 (BNI) 规模和干预细节.

主要成果:

• 人工智能预测模型在症状性血管方面达到61%至86%的准确性.
• 在手术队列中,28.8%的患者患有血管,费舍尔4级,H&H5级和BNI5.5级患者的发病率更高.
• 在内血管队列中,31.8%的患者患有血管,显著的比例患有费舍尔4级.

结论:

• 开发的AI算法可以有效地识别具有高或低症状血管风险的SAH患者.
• 这种风险分层可能会促进更早的干预,以防止永久的神经损伤.
• 预计增加的病例数和统计系数将进一步提高模型的准确性.