机器学习模型整合内动脉化以预测机械血栓切除的结果

科学领域:

• 神经学
• 放射学
• 人工智能

背景情况:

• 急性缺血性中风 (AIS) 需要及时进行机械血栓切除 (MT).
• 预测MT结果对于患者管理和资源分配至关重要.
• 内动脉化 (IAC) 是一个潜在的成像生物标志物,但其对MT结果的预测价值需要进一步调查.

研究的目的:

• 评估内动脉化 (IAC) 作为急性缺血性中风 (AIS) 患者机械血栓切除术 (MT) 结果的成像预测因素.
• 开发和验证机器学习 (ML) 模型,使用手术前数据预测AIS患者的MT结果.

主要方法:

• 对823名前部循环阻塞的AIS患者进行了回顾性分析.
• 收集手术前的临床和放射性数据,包括定量IAC评估.
• 开发和验证11个ML算法,使用SHAP值进行解释.

主要成果:

• 额外树木ML模型实现了最高的预测准确性.
• 关键的MT预测结果包括高血压史,血清白蛋白和总化体积.
• IAC量成为预测MT成功的关键成像生物标志物.

结论:

• 在前部循环AIS中,IAC总体量是MT结果的重要预测指标.
• 结合手术前数据的ML模型提供了对MT结果的可靠预测.
• 这些模型可以帮助临床医生精确选择MT候选人.