机器学习用于预测血栓栓塞事件 随着脑内动脉瘤的流量转换器治疗:多中心回顾性研究
Yunpeng Lin1, Xiaoning Liu1, Bingcheng Ren1
1Department of Neurosurgery, Tianjin Medical University General Hospital, Tianjin, 300052, China.
Neurology and therapy
|August 27, 2025
概括
一个新的机器学习模型预测了脑内动脉瘤流转器治疗后的血栓栓塞事件. 这个工具通过评估个体患者的风险因素来帮助个性化治疗策略.
科学领域:
- 神经内血管外科
- 医疗人工智能
- 脑血管疾病管理
背景情况:
- 复杂的内动脉瘤最好使用流量转移器 (FD).
- 手术后的血栓栓塞事件 (TEE) 是常见的并发症.
- 目前缺乏对TEE的预测工具.
研究的目的:
- 开发和验证用于预测FD植入后的TEE的机器学习模型.
- 确定与TEE风险相关的主要临床和动脉瘤特征.
主要方法:
- 对377名用FD治疗的患者 (451例动脉瘤) 的追溯分析.
- 使用了机器学习算法,包括拉索回归和SVM.
- 使用AUC-ROC和AUC-PR评估模型性能;用于解释性的SHAP分析.
主要成果:
- 一个具有10个变量的机器学习模型以高准确度预测了TEE (AUC-ROC 0.96,AUC-PR 0.88).
- 主要预测因素包括动脉瘤宽度,LDL,高血压,动脉瘤位置,甘油三和糖尿病.
- 为临床应用开发了一个基于网络的工具.
结论:
- 一个经过验证的机器学习模型可以预测FD治疗的患者的TEE风险.
- 这种工具有助于神经干预专家个性化治疗策略.
- 该模型有助于风险分层和明智的临床决策.
更多相关视频
18:50Microsurgical Clip Obliteration of Middle Cerebral Aneurysm Using Intraoperative Flow Assessment
Published on: September 25, 2009
13.8K
09:36A Magnetic Resonance Imaging-based Computational Protocol for Analysis of Plaque Morphology and Hemodynamics in Patients with Carotid Artery Stenosis
Published on: August 12, 2025
67
