开发和验证基于CT的多组组图,用于预测机械血栓切除术后的出院结果
Feifan Liu1, Jiayi Hong1, Yuhan Chen1
1Department of Neurology, The Fourth Affiliated Hospital of School of Medicine, and International School of Medicine, International Institutes of Medicine, Zhejiang University, Yiwu, China.
Frontiers in neuroscience
|August 25, 2025
概括
通过结合CT扫描中的临床数据,放射学和深度转移学习 (DTL) 功能,新的多组组组图准确地预测了机械血栓切除术 (MT) 后的患者结果. 这种工具有助于早期识别风险,从而改善患者管理.
科学领域:
- 神经成像
- 放射学
- 医学中的机器学习
背景情况:
- 机械血栓切除 (MT) 是急性缺血性中风的关键干预措施.
- 预测MT后的功能结果对于患者管理和资源分配至关重要.
- 计算机断层扫描 (CT) 上的超弱成像标记 (HIM) 提供了有价值的预后信息.
研究的目的:
- 开发和验证综合临床,放射学和深度转移学习 (DTL) 功能的多omics nomogram.
- 预测HIM治疗的患者在出院时的功能结果.
- 提高预测结果的准确性,超出传统方法.
主要方法:
- 招募了246名接受MT的HIM患者,分为培训,验证和测试队列.
- 从HIMCT图像中提取了1834个放射性和25088个DTL特征.
- 使用 LASSO 回归和其他统计方法开发了基于支持矢量机 (SVM) 的名图,其中包含选定的临床,放射学和 DTL 特性.
主要成果:
- 诺米图得到了高的曲线下的面积 (AUC) 值: 0. 995 (训练), 0. 959 (验证) 和 0. 894 (测试).
- 显著超过单个临床,放射学和DTL模型.
- 与高级 (0. 693) 和初级 (0. 600) 医生评估相比,表现优异.
结论:
- 开发的多组学名图准确地预测了MT后的功能结果.
- 整合HIM衍生的临床,放射性和DTL特征提供了卓越的预测能力.
- 这种工具有助于早期识别高风险患者,从而优化治疗和改善预后.
