在机械血栓切除术后急性缺血性中风的预后预测,基于多模式MRI放射学和深度学习
Lei Pei1, Xiaowei Han1, Chenfeng Ni1
1Department of Radiology, The Quzhou Affiliated Hospital of Wenzhou Medical University, Quzhou People's Hospital, Quzhou, China.
Frontiers in neurology
|May 15, 2025
概括
这项研究开发了一种新的临床放射学深度学习 (CRD) 模型,使用多模式MRI来预测机械血栓切除术后急性缺血性中风 (AIS) 患者的不良预后. 该CRD模型在预测中风结果方面表现出卓越的准确性,有助于临床决策.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 急性缺血性中风 (AIS) 构成了全球重大健康挑战,导致高残疾和死亡率.
- 早期预后评估对于指导治疗至关重要,但缺乏可靠的方法来预测机械血栓切除术后的不良结果.
- 这项研究解决了在AIS管理中改进预后工具的需求.
研究的目的:
- 探索放射学和深度学习的预测价值,使用多式核磁共振对接受机械血栓切除术的AIS患者的不良预后进行多式核磁共振.
- 开发和验证一个综合模型,以便更准确地预测中风.
- 为临床医生提供全面的风险评估和决策工具.
主要方法:
- 对222名AIS患者的临床数据和多模式MRI的回顾性分析.
- 开发使用后勤回归,特征选择 (LASSO) 和ResNet101与转移学习的临床,放射学和深度学习模型.
- 将模型集成到一个全面的临床放射学深度学习 (CRD) 模型中,用于预测预后.
主要成果:
- 确定了两种预后不佳的独立风险因素:NIH中风量表得分和脑内出血.
- 综合CRD模型在培训队列中实现了0.834的ROC曲线下的最高面积 (AUC),在验证队列中达到0.908.
- 校准曲线证实了CRD模型的特殊准确性和一致性;决策曲线分析显示了最高的净收益.
结论:
- 使用多模式MRI的CRD模型在预测AIS患者机械血栓切除术后的不良预后方面表现出高效率和可靠性.
- 这种综合方法提供了一个强大的工具,以帮助临床医生在缺血性中风的风险分层和治疗决策.
- 这些发现强调了结合临床数据,放射学和深度学习的潜力,以提高中风结果预测.
