诺摩图可预测在未破裂的内动脉瘤中放置支架后1年的认知衰退
Wenqiang Li1,2, Chao Wang1,2, Yuzhao Lu3
1Department of Interventional Neuroradiology, Beijing Neurosurgical Institute, Capital Medical University, Beijing, China.
iScience
|March 24, 2025
概括
一个新的深度学习工具预测了用于脑动脉瘤的支架放置后的认知衰退. 这种方法可以识别患有衰退高风险的患者,从而使早期干预能够保持大脑功能.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在未破裂的内动脉瘤 (UIA) 进行支架安置后,新的阴性脑梗塞 (NICI) 是常见的.
- 这些心脏病发作可能导致认知能力下降 (CD).
- 预测CD风险对于患者管理至关重要.
研究的目的:
- 开发和验证一个深度学习放射学名图 (DLRN) 以预测NICI患者的1年CD.
- 评估DLRN在多中心和潜在队伍中的表现.
主要方法:
- 使用治疗后扩散权重成像 (DWI) 和临床特征.
- 开发了一个深度学习的放射学名ogram (DLRN).
- 在培训,外部验证和潜在队伍中验证了DLRN.
主要成果:
- 在所有队列中,DLRN表现出卓越的预测性能 (AUC:0.975,0.942,0.841).
- 一年后的认知衰退率在所有队伍中始终在20%左右.
- 校准和决策曲线分析证实了DLRN的可靠性和临床实用性.
结论:
- DLRN是预测NICI患者1年认知衰退的可靠工具.
- 早期识别高风险患者是可能的.
- 这有助于及时,定制的干预措施,以保护认知功能.


