中风ENDPredictor-19:在急性缺血性中风的神经预后中设置新的预测模型
Lingli Li1, Hongxiao Li2, Miaowen Jiang3
1Faculty of Information Science and Technology, Beijing University of Technology, Beijing, 100124, China.
Annals of biomedical engineering
|September 23, 2025
概括
这项研究开发了一种人工智能模型StrokeENDPredictor-19,用于准确预测接受IVT的急性缺血性中风患者的早期神经系统恶化,帮助临床决策.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 对于急性缺血性中风,静脉输血栓溶解 (IVT) 后的早期神经病变 (END) 存在风险.
- 准确预测END对于优化治疗策略至关重要.
研究的目的:
- 开发一种可解释的AI模型,用于在接受IVT的急性缺血性中风患者中准确预测END.
- 通过识别患有END高风险的患者来增强临床决策.
主要方法:
- 一项前性队列研究,对970名急性缺血性中风患者进行了IVT治疗.
- 开发和验证五个机器学习模型,包括XGBoost,使用SHAP进行解释性.
- 对StrokeENDPredictor-19模型的内部和外部验证.
主要成果:
- 基于XGBoost的中风ENDPredictor-19模型实现了高准确性:91%的内部 (AUC=0.96) 和90%的外部 (AUC=0.95).
- 建立关键临床特征的切线值,提供实际参考标准.
- 该模型与其他开发的模型相比,表现出了卓越的性能.
结论:
- 脑中风ENDPredictor-19为神经科医生提供了一种有价值的工具,用于预测IVT治疗患者的END风险.
- 该模型支持更精确的临床决策,用于急性缺血性中风管理.
