在急性缺血性中风 (AIS) 中进行静脉血栓溶解的基于机器学习的两阶段风险评估模型:聚合数据集的多中心建模研究
Shudan Zhu1, Qing Ye2, Hong Wu3
1School of Medicine and Health Management, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China; Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
International journal of medical informatics
|June 25, 2025
概括
一个新的两阶段机器学习模型准确地预测了血栓溶解后急性缺血性中风患者的早期出血转变和住院死亡风险,有助于临床决策.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 急性缺血性中风 (AIS) 治疗涉及血栓溶解,这带有诸如出血转化 (HT) 和住院死亡率 (IM) 等风险.
- 准确的风险分层对于优化治疗和患者结果至关重要.
研究的目的:
- 开发和验证一个两阶段的机器学习模型,用于预测早期HT和IM风险在AIS患者进行血栓溶解.
- 监测血栓溶解前后的风险变化,以帮助临床决策.
主要方法:
- 利用了AIS患者的数据集 (2001年10月至2022年10月),其中包括48个临床特征,分为血栓溶解前后阶段.
- 训练了5个机器学习算法来预测HT和IM风险,建立了一个组合模型并对1777名患者进行外部验证.
- 使用AUC,准确性,精度,回忆和F1分数来评估模型性能.
主要成果:
- 第一个阶段的模型显示,随机森林最适合HT (AUC=0.73) 和XGBoost适合IM (AUC=0.78).
- 第二阶段的XGBoost模型实现了HT (0.83内部,0.75外部) 和IM (0.91内部,0.88外部) 的更高AUC.
结论:
- 两阶段机器学习模型对于预测AIS患者血栓溶解风险是可行的和有效的.
- 这种方法可以加强临床决策,提高患者的康复率.
