机器学习模型的开发和验证,以预测C2脚螺丝的脊椎动脉损伤

科学领域:

• 神经外科 神经外科
• 放射学 放射学是一门学科.
• 机器学习 机器学习

背景情况:

• 宫2脚螺丝 (C2PS) 固定是一种常见的宫后部手术技术.
• 脊椎动脉损伤 (VAI) 是一种罕见但严重的并发症,与C2PS安置有关.
• 对VAI进行准确的手术前风险评估对于患者的安全至关重要.

研究的目的:

• 在C2PS安置期间识别VAI的解剖学和放射学风险因素.
• 开发和验证基于机器学习 (ML) 的预测模型,用于VAI风险.
• 加强C2PS手术的手术前风险评估和手术规划.

主要方法:

• 追溯分析了280名患者的头部和部CT血管学数据.
• 模拟C2PS放置在3D重建图像上的模拟,以识别VAI.
• 使用临床和放射学变量对八个ML算法进行培训和验证.

主要成果:

• 确定了六个VAI的显著风险因素:脚直径,高骑脊髓动脉 (HRVA),轴内脊髓动脉 (IAVA),脊髓动脉直径 (VAD),TFPEVB和VAVB.
• 一个神经网络 (NNet) 模型实现了高预测性能,AUC为0.929 (训练) 和0.936 (验证).
• SHAP分析证实了这些已识别的变量是VAI风险的关键因素.

结论:

• 在C2PS安置期间成功建立了针对VAI的ML驱动的预测模型.
• 该模型强调了六个关键的解剖学和放射学风险因素VAI.
• 这种模型的临床整合可以优化手术前规划,减少并发症,改善手术结果.