多PLD ASL放射学在急性缺血性中风中的预测值

科学领域:

• 神经成像是一种神经成像.
• 机器学习 机器学习
• 无线电学 (Radiomics) 是一种放射学.

背景情况:

• 早期预测急性缺血性中风 (AIS) 预后对于个性化治疗规划至关重要.
• 动脉旋转标记 (ASL) 提供非对比增强的输液成像.
• 放射学从医学图像中提取定量特征,为预测建模提供了潜力.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于早期和精确预测AIS预后.
• 为了研究多个标签后延迟 (多个PLD) ASL放射学特征与临床数据相结合的实用性.

主要方法:

• 招募了102名AIS患者,收集了临床数据 (年龄,NIHSS) 和多个PLD ASL图像.
• 从脑血流 (CBF) 图像中提取了放射性特征,使用LASSO回归进行了选择.
• 使用八个ML算法构建了三个模型 (临床,CBF放射学,组合),并使用ROC曲线和DCA进行了评估.

主要成果:

• 使用极端梯度增强的组合ML模型实现了最高的预测性能,AUC为0.876.
• 组合模型显著优于临床 (AUC=0.658) 和仅放射性 (AUC=0.755) 模型.
• 关键预测因素包括基线NIHSS得分,年龄和CBF纹理和形状特征.

结论:

• 将临床数据与多PLD ASL放射学集成为AIS预后预测提供了一个强大的方法.
• 这种非对比的方法对于那些对比剂有禁忌的患者来说是有价值的.
• 开发的模型支持临床医生创建个性化治疗策略,以改善患者的治疗结果.