人工智能模型整合成像和临床数据,用于预测新生儿脑液中脑脊液转移:初步研究
Yuwei Dai1,2, Zhusi Zhong3, Yan Qin4,5
1Department of Neurology, Second Xiangya Hospital of Central South University, Changsha, Hunan, China.
Human brain mapping
|September 23, 2025
概括
一个人工智能 (AI) 模型准确地预测了新生儿中脑脊液 (CSF) 的转移需求. 这种人工智能工具集成成像和临床数据,为新生儿脑管理提供了更好的风险分层.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 新生儿头症需要及时转移脑脊液 (CSF).
- 目前缺乏用于分层头风险的预测工具.
- 准确预测CSF转移需求对于最佳的新生儿护理至关重要.
研究的目的:
- 开发和验证人工智能 (AI) 模型,用于预测新生儿中CSF转移需求.
- 整合多式成像和临床数据,以提高预测准确度.
- 将新生儿水脑病分为低风险和高风险组.
主要方法:
- 使用多模式数据 (MRI和临床信息) 开发和验证混合AI模型.
- 包括新生儿的发展 (n=116) 和外部验证 (n=21) 队列.
- 使用接收器操作特征曲线 (AUC) 下的面积,灵敏度和特异性的性能评估.
主要成果:
- 人工智能模型在开发队列中实现了0.824的AUC,在外部验证队列中达到0.808.
- 混合人工智能模型在预测升高的内压力方面明显优于仅临床和仅图像模型.
- 在各种病因方面观察到CSF转移的准确预测,包括后出血性水头和骨髓细胞关闭.
结论:
- 开发的AI模型在预测新生儿中需要CSF转移方面表现强.
- 人工智能模型可以协助临床决策,特别是在资源有限的环境中.
- 对于复杂的病因,如骨髓髓结核相关的水头,需要进一步细化.
