预测认知障碍患者的认知衰退 缺血性中风与大脑出血的高风险:一种机器学习方法
Eun Namgung1, Young Sun Kim2, Sun U Kwon3
1Asan Institute for Life Sciences, Asan Medical Center, Seoul, Republic of Korea.
Frontiers in neurology
|August 11, 2025
概括
机器学习可以在9个月内准确预测中风患者的认知衰退. 这有助于识别高风险个体进行早期干预,并改善中风后认知障碍 (PSCI) 的结果.
科学领域:
- 神经学 神经学
- 人工智能在医学中的应用
- 认知科学 认知科学
背景情况:
- 在中风患者的快速认知衰退增加了中风复发的风险.
- 预测中风后认知障碍 (PSCI) 恶化有助于预防痴呆症.
- 机器学习模型可以预测PSCI患者9个月的认知衰退.
研究的目的:
- 预测PSCI急性缺血性中风患者的9个月认知衰退.
- 使用机器学习识别认知衰退的关键预测因素.
- 为了比较不同的机器学习算法对这个预测任务的有效性.
主要方法:
- 对109名患有PSCI的急性缺血性中风患者进行了回顾性研究.
- 利用了临床,成像数据和韩国-迷你心理状态检查 (K-MMSE) 评分.
- 训练并比较了CatBoost,AdaBoost,XGBoost和物流回归模型.
主要成果:
- CatBoost获得了最高的预测性能 (AUC 0.897,准确率为 0.873).
- 关键预测因素包括基线K-MMSE,NIH中风量表和损伤体积比率.
- 认知衰退患者在药物治疗开始的间隔较长.
结论:
- CatBoost有效地识别出患有认知衰退高风险的缺血性中风患者.
- 早期识别可以为更好的PSCI预后提供有针对性的干预措施.
- 了解风险和保护因素对于管理中风后的认知衰退至关重要.


