基于CTA的机器学习可以识别成功内血管中风治疗不足的患者吗?

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 内血管中风治疗 (EST) 的进步已经改善了结果,但许多患者仍然经历了显著的残疾.
• 对于急性缺血性中风 (AIS) 患者,大血管封闭 (LVO) 和小最终心脏病体积 (FIVs) 尤其如此.
• 预测哪些患者尽管成功转血,但结果会很差仍然是一个挑战.

研究的目的:

• 评估一种机器学习 (ML) 方法,使用治疗前CT血管造影 (CTA) 来识别AIS患者在EST后可能出现不良结果.
• 要确定这种ML模型是否可以比传统的临床变量更准确地预测功能结果.

主要方法:

• 一个深度学习模型 (DSN-CTA) 经过训练,可以使用治疗前的CTA图像预测90天修改的兰金尺度 (mRS) 评分 (0-2).
• 该研究包括LVO的AIS患者,这些患者经历了成功的EST (TICI 2b-3再注血) 和FIV<30mL.
• 模型性能与使用临床变量进行后勤回归模型进行了比较,该模型用受体运行特征曲线 (AUROC) 下的面积来衡量.

主要成果:

• 超过56%的纳入患者经历了不良的功能结果 (mRS3-6),尽管成功的EST和小FIV.
• 与单独临床变量 (AUROC 0.492,p=0.006) 相比,DSN-CTA模型显示出明显优异的预测性能 (AUROC 0.81).

结论:

• 一个基于CTA的ML模型可以可靠地预测在LVO AIS患者的LVO AIS患者中,在成功的EST后,意想不到的功能不良结果.
• 这种人工智能工具有潜力识别那些可能需要超越标准再输液治疗的额外干预措施的患者.
• 机器学习模型提供了一种有希望的方法来个性化中风治疗策略,并改善患者的治疗结果.