使用机器学习的前部循环中风内血管治疗临床结果的预测模型
Clement Bogey1, Aymeric Rouchaud2, Jean-Christophe Gentric3
1Neuroradiology Department, Limoges University Hospital, Limoges, France.
Journal of neuroscience methods
|January 30, 2025
概括
机器学习模型可以预测中风机械血栓切除术 (MT) 后的临床结果. 在治疗前使用易于获得的患者数据,XGBoost表现良好.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 干预心脏病学 干预心脏病学
背景情况:
- 机械血栓切除术 (MT) 是前部循环中风的标准,具有大血管封闭.
- 成功的MT的预测因素需要进一步定义以个性化治疗.
研究的目的:
- 评估机器学习 (ML) 模型在MT后预测3个月临床结果 (mRS) 的性能.
- 评估ML对于定制MT治疗策略的有用性.
主要方法:
- 利用了来自法国ETIS注册 (2018-2020) 的数据,用于前部循环中风的大血管封闭.
- 训练支持矢量机,随机森林和XGBoost模型使用预处理临床,生物和成像数据.
- 在使用AUC,精度,灵敏度和特异性的单独队列 (2020) 上评估模型性能.
主要成果:
- XGBoost 模型以 0.77 的 AUC 和 69.3% 的精度实现了最高的性能.
- 在评估的ML模型之间没有观察到统计学上显著的性能差异.
- 这些模型对4297名患者进行了训练,并对599名患者进行了评估.
结论:
- 机器学习模型在预测MT后的临床结果方面显示出有希望的表现.
- 这些预测可以使用在初始诊断时可用的数据进行,在治疗决定之前.
- ML的应用可以帮助个人化中风患者的MT治疗.
