基于改进的机器学习模型,构建一个用于内动脉瘤内血管干预治疗的不良预后预测和可视化系统
Chunyu Lei1, Anhui Fu2, Bin Li3
1Department of Neurosurgery, FuShun County Zigong City People's Hospital, Fushun, China.
Frontiers in neurology
|January 23, 2025
概括
改进的机器学习模型准确地预测了内动脉瘤的内血管治疗后的不良预后. 该工具有助于早期风险评估和干预计划,以改善患者的治疗结果.
科学领域:
- 神经外科 神经外科
- 医疗人工智能 医疗人工智能
- 临床预后 临床预后
背景情况:
- 内血管干预是内动脉瘤的常见治疗方法.
- 预测这种手术后的不良预后对于患者管理至关重要.
- 现有的预测模型可能缺乏准确性和实时适用性.
研究的目的:
- 评估先进机器学习模型在预测内动脉瘤内血管治疗后预后不良时的临床实用性.
- 为风险分层开发一个用户友好的可视化系统.
主要方法:
- 分析了303名为内动脉瘤进行内血管干预的患者队列.
- 为特征选择和重量确定开发了一种改进的机器学习模型.
- 后勤多变量分析验证了模型特征,并创建了一个可视化系统来计算风险.
主要成果:
- 机器学习模型表现出高性能,AUC为0.9118 (训练) 和0.8684 (测试).
- 确定的主要预测因素包括年龄,高血压,动脉瘤破裂,亨特-赫斯等级,费舍尔得分,ASA等级,动脉瘤数量,埃托米达使用,输管状态和手术时间.
- 识别的变量与后勤多变量分析结果一致.
结论:
- 改进的机器学习模型可以有效地预测内动脉瘤患者进行内血管干预的不良预后风险.
- 早期风险预测有助于及时进行干预计划,并可以改善患者的治疗结果.
- 开发的可视化系统为临床决策支持提供了一个实用的工具.


