基于DWI-MRI的深度学习模型用于预测急性缺血性中风的预后,接受静脉血栓溶解:开发和验证
Huan Yang1, Wenxi Wang2, Xin Zhao3
1Department of Emergency, First Hospital of Qinhuangdao, Qinhuangdao, Hebei 066000, China.
Journal of neuroradiology = Journal de neuroradiologie
|October 9, 2025
概括
与传统方法相比,使用扩散加权成像MRI和临床数据的深度学习模型显著改善了急性缺血性中风预后. 这些先进的模型显示出强大的通用性,用于更好的临床决策.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 急性缺血性中风 (AIS) 的预后对于治疗决策至关重要.
- 静脉内血栓溶解是一种标准的AIS治疗方法.
- 预测模型可以帮助评估患者的结果.
研究的目的:
- 使用DWI-MRI开发和验证AIS预后的预测模型.
- 将深度学习 (DL) 与传统机器学习 (ML) 进行比较,以预测AIS.
- 在外部验证中评估模型性能.
主要方法:
- 对682名AIS患者的回顾性分析.
- 开发了五种模型:临床特征,放射性特征 (DWI-MRI),DL特征,联合临床+放射性,联合临床+DL.
- 在两个医院的数据上训练和测试模型,并进行外部验证.
主要成果:
- 组合模型 (临床+特征) 的表现优于单个模型.
- 深度学习组合模型 (模型E) 在测试组中实现了最高的AUC (0.925).
- 模型E显示出强大的外部验证性能 (AUC = 0.937).
结论:
- 集成DWI-MRI和临床数据的深度学习模型为AIS预后提供了卓越的预测性能.
- 这些模型显示出强大的通用性,支持临床决策.
- 这些发现凸显了人工智能在中风预测结果方面的潜力.
