使用机器学习预测急性基底动脉封闭的良好结果
Yanqin Liu1, Pengyu Lu2, Raynald -3
1Big data Center for Nephropathy, The Fifth Clinical Medical College of Shanxi Medical University, Taiyuan, Shanxi, China.
Journal of neurointerventional surgery
|September 5, 2025
概括
机器学习准确地预测了接受内血管治疗 (EVT) 的急性基底动脉封闭 (BAO) 患者的良好结果. 关键预测因素包括避免使用呼吸机,气管切除,以及较低的NIHSS和血清肌分数.
科学领域:
- 神经科学
- 医疗信息学
- 机器学习
背景情况:
- 急性基底动脉封闭 (BAO) 是一种需要有效治疗的危急病.
- 在接受内血管治疗 (EVT) 的BAO患者中预测有利的结果对于患者管理至关重要.
- 可解释的机器学习模型可以增强对预后因素的理解.
研究的目的:
- 开发和验证可解释的机器学习模型,用于预测急性BAO患者的90天结果.
- 确定成功EVT结果的关键临床,成像和血管学预测因素.
- 使用SHapley添加式解释 (SHAP) 进行模型解释.
主要方法:
- 分析了184名急性BAO患者的数据.
- 使用逻辑回归,支持向量机 (SVM) 和光梯度增强机的预测模型的开发.
- 使用准确度,回忆力,精度,F1分数和AUC-ROC进行性能评估; SHAP用于特征重要性.
主要成果:
- 在SVM模型中获得了优异的性能 (AUC为0.899).
- 有意义的预测结果包括:无呼吸器使用,无气管切除,NIHSS得分较低,以及手术前血清肌水平较低.
- SHAP分析证实了这些因素的重要性.
结论:
- 一个可解释的机器学习模型有效地预测EVT后急性BAO患者的良好结果.
- 确定了影响预后的关键可修改和不可修改因素.
- 这些发现可以为BAO的临床决策和治疗策略提供信息.
关键词:
一次中风更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
05:32Author Spotlight: Assessing Ischemic Stroke Damage Through Middle Cerebral Artery Occlusion Model
Published on: August 11, 2023
2.1K
