评估人工智能模型用于预测未破裂的内动脉瘤中破裂风险:重点关注血管几何和血液动力学的见解

科学领域:

• 神经外科 神经外科
• 生物医学工程 生物医学工程
• 医疗成像医学成像

背景情况:

• 未破裂的内动脉瘤 (UIAs) 具有显著的破裂风险,影响患者的发病率和死亡率.
• 使用尺寸和位置的传统临床模型在预测UIA破裂方面显示出有限的准确性.
• 新兴的人工智能技术通过整合复杂的变量提供了增强的预测能力.

研究的目的:

• 对基于人工智能的模型在预测UIA断裂风险中的应用进行审查和综合.
• 突出AI模型中的几何和血液动力学因素的整合.
• 评估AI在UIA风险分层方面的进步和挑战.

主要方法:

• 对利用机器学习 (ML) 和深度学习 (DL) 进行UIA风险预测的研究进行审查.
• 对人工智能模型的分析,包括血动力学参数,如壁切应力 (WSS) 和血液流动动力学.
• 计算流体动力学 (CFD) 的检查与人工智能集成,用于患者特定的模拟.

主要成果:

• 人工智能模型,包括支持向量机 (SVM) 和卷积神经网络 (CNN),显示出比经典方法更高的预测准确性.
• 关键的血液动力学参数,如WSS和振荡切割指数 (OSI) 被确定为关键破裂指标.
• 人工智能与CFD相结合,在模拟患者特异性血液动力学以评估风险方面取得了显著进展.

结论:

• 整合多种数据的AI驱动模型为UIA风险评估提供了更全面,更针对患者的方法.
• 尽管取得了有前途的进展,但数据集质量和模型可用于临床实施的可解释性仍然存在挑战.
• 进一步的研究至关重要,以完善人工智能模型,以优化UIA的临床效用和治疗策略.