在急性缺血性中风后预测恶性脑 edem:一个机器学习模型与多区域放射学
Lingfeng Zhang1,2, Yue Zhang2,3, Chunyan Yang3,4
1Department of Radiology, North Sichuan Medical College, Nanchong, China.
Quantitative imaging in medicine and surgery
|July 3, 2025
概括
一个新的机器学习模型准确地预测了急性缺血性中风 (AIS) 后的恶性脑 (MCE). 这种结合了心脏病发作,受影响的半球和整个大脑的放射学模型,显示出更好的临床指导的卓越性能.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 恶性脑 (MCE) 是急性缺血性中风 (AIS) 的关键并发症.
- 在AIS患者中,MCE显著增加了不良结果或死亡的风险.
- 准确预测MCE对于及时的临床干预至关重要.
研究的目的:
- 开发和验证基于机器学习 (ML) 的预测模型,用于AIS之后的MCE.
- 利用非对比计算机断层扫描 (CT) 图像中的放射学特征用于MCE预测.
- 为了比较结合性心脏病发作,受影响半球和全脑 (IWA) 模型与仅心脏病发作 (IL) 模型的性能.
主要方法:
- 总共包括来自四个中心的219名AIS患者,数据分为培训,测试和外部验证队列.
- 从心脏病发作病变 (IL),受影响半球 (AH) 和整个大脑 (WB) 中提取了放射性特征.
- 七个ML算法被用来开发一个IL-only模型和一个IWA组合模型,使用曲线下的面积 (AUC) 评估性能.
主要成果:
- 结合IWA模型在预测MCE风险方面表现优异,与仅IL模型相比.
- 基于多层感知子的IWA模型实现了高AUC0.927,超过IL模型的AUC0.865.
- 开发的IWA模型显示了比IL模型的统计学上显著的改善 (P<0.05).
结论:
- 一个新的IWA放射学模型有效预测AIS患者的MCE风险.
- IWA模型显著优于仅IL模型,提供更好的预测准确性.
- 预计该模型将增强临床决策和治疗指南,用于MCE风险的AIS患者.
