机器学习,临床放射学方法与HIM用于血栓切除术后的出血转变预测和治疗
Sheng Hu1, Junyu Liu2, Jiayi Hong2
1Department of Radiology, The Fourth Affiliated Hospital of School of Medicine, and International School of Medicine, International Institutes of Medicine, Zhejiang University, Yiwu, Zhejiang, China.
Frontiers in neurology
|March 14, 2025
概括
一个新的临床放射学模型准确地预测了机械血栓切除术 (MT) 后使用超衰减成像标记 (HIM) 的出血转化 (HT) 风险. 该工具有助于评估接受MT治疗的患者的HT风险.
科学领域:
- 放射学 放射学是一门学科.
- 神经学 神经学
- 人工智能在医学中的应用
背景情况:
- 出血转化 (HT) 是机械血栓切除术 (MT) 后的一种并发症.
- 在MT后的计算机断层扫描上,超衰减成像标记 (HIM) 与HT风险有关.
- 预测HT风险对于MT后的患者管理至关重要.
研究的目的:
- 开发和验证一个临床放射学模型来预测HT风险.
- 为了利用超衰减成像标记 (HIM) 进行风险预测.
- 评估临床,放射学和组合模型的性能.
主要方法:
- 分析了159名患有MT后HIM的患者队列.
- 机器学习算法,包括支持矢量机 (SVM),用于模型开发.
- 模型使用接收器操作特征 (ROC) 和决策曲线分析 (DCA) 进行了评估.
主要成果:
- 临床放射学模型表现出高预测性能,在训练队列中,曲线下的面积 (AUC) 为0.944,在测试队列中为0.925.
- 临床模型的AUC为0.918 (训练) 和0.854 (测试).
- 放射学模型显示AUC为0.869 (训练) 和0.829 (测试).
结论:
- 开发的临床放射学模型有效地预测了接受MT的患者的HT风险.
- 这种基于HIM的模型为风险分层提供了可靠的工具.
- 这些发现支持将放射学与临床数据整合在一起,以改善HT预测.
