可解释的机器学习模型,用于预测血栓切除术后后循环中风的功能结果
Zhelv Yao1,2,3, Qiuhong Ji4, Xuefeng Zang5
1Department of Neurology, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, China.
Journal of neurointerventional surgery
|July 23, 2025
概括
机器学习模型准确地预测了内血管血栓切除术 (EVT) 后的后部循环中风 (PCS) 患者的功能结果. 这些工具有助于个性化风险评估和治疗规划,以更好地管理患者.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 预测后部循环中风 (PCS) 的功能结果对于及时干预至关重要.
- 机器学习 (ML) 模型可以帮助预测接受内血管血栓切除术 (EVT) 的患者的结果.
- 本研究的重点是开发和验证ML模型,以预测EVT后PCS患者的3个月功能性结果.
研究的目的:
- 开发和验证机器学习模型,用于预测EVT后PCS患者的功能结果.
- 确定功能结果的关键预测特征.
- 为临床决策支持提供一个可访问的工具.
主要方法:
- 用于培训和内部验证的202名接受EVT的PCS患者的衍生队列.
- 用于外部验证,使用了54名患者的外部数据集.
- 七个ML模型接受了手术前特征的训练,表现最好的模型使用手术内和术后数据进行了进一步的训练. 模型的解释性使用SHAP进行了评估.
主要成果:
- 随机森林模型显示出最好的性能.
- 术前模型的AUC值为0.83 (试验组) 和0.81 (外部验证).
- 结合手术内和手术后的特征,AUC提高到0.84/0.90 (测试) 和0.83/0.90 (外部验证). 有一个网络计算器可用.
结论:
- 可解释的ML模型准确地预测了EVT后PCS患者的功能结果.
- 这些模型为个性化风险分层和术后管理提供了宝贵的见解.
- 这些模型有可能被整合到临床工作流程中,以优化患者护理.
