开发和验证一种可解释的机器学习预测模型,用于急性大血管闭塞中风机械血栓切除术后徒劳的再通道化
Yage Zhao1, Xiao-Cui Wang1, Yuehui Liu1,2
1Department of Neurology, The Second Affiliated Hospital of SooChow University, Suzhou, China.
Journal of neurointerventional surgery
|April 11, 2025
概括
在急性缺血性中风 (AIS) 机械血栓切除术 (MT) 后,可以使用新型机器学习模型预测虚空再通道 (FR). 这个工具可以帮助临床医生评估个性化中风护理的FR风险.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
背景情况:
- 机械血栓切除术 (MT) 是急性缺血性中风 (AIS) 的关键治疗方法,原因是大血管封闭 (LVO).
- 在MT后90天无效再通道化 (FR) 的高率仍然是一个重要的临床挑战.
- 预测FR对于优化治疗策略和患者结果至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测在接受MT的AIS患者中徒劳的再道化 (FR).
- 确定FR的关键预测因素,以实现个性化风险评估.
- 部署预测模型作为临床决策支持工具.
主要方法:
- 分析了一组534名前部循环LVO的AIS患者,他们接受了MT.
- 训练和评估了11个ML模型,选择了表现最佳的模型进行优化.
- 为了模型的解释性,使用了SHapley添加式扩展 (SHAP),并进行了时间验证.
主要成果:
- CatBoost ML模型显示出优异的区分能力 (AUC=0.915内部,AUC=0.930时间).
- 最后,开发了一个具有12个关键特征的可解释模型来预测FR.
- 经过验证的模型已作为临床使用的网络应用程序部署.
结论:
- 成功开发了一种准确的ML模型,用于在MT后预测AIS患者的FR.
- 12个特征预测模型为临床医生提供了一种有价值的工具,以评估FR风险.
- 这项技术通过改善患者选择MT来支持个性化中风护理.
