机器学习模型和受限立方线被用于分析和预测A型大动脉剖析患者的术后缺血性中风

科学领域:

• 心血管外科心血管外科
• 人工智能在医学中的应用
• 大动脉剖析研究研究

背景情况:

• 手术后缺血性中风是A型大动脉解剖 (TAAD) 患者的重大并发症,增加死亡率.
• 准确预测中风风险对于在TAAD手术中及时进行临床干预至关重要.
• 这项研究旨在开发和验证TAAD患者缺血性中风风险分层的机器学习模型.

研究的目的:

• 开发和验证基于机器学习的预测模型,用于TAAD患者的缺血性中风风险.
• 在接受外科修复的TAAD患者中确定术后缺血性中风的关键预测因素.
• 为临床医生提供一个工具,用于早期风险分层和个性化治疗优化.

主要方法:

• 分析了430名TAAD患者的回顾性队列,这些患者接受了冷大象体植入的全大动脉门置换.
• 使用训练和验证集开发和验证机器学习模型,通过Boruta和LASSO算法进行特征选择.
• 模型性能使用ROC曲线,DCA,PR曲线和校准图进行评估;可解释性使用SHAP和RCS进行评估.

主要成果:

• 随机森林模型表现出最好的预测性能 (验证时AUC为0.810,测试队列为0.806).
• 确定的关键预测因素包括手术时间,心肺绕道时间,手术内输血,手术内输血,年龄,肌球蛋白,大动脉十字时间和左关节下关节动脉输血.
• 基于该模型,开发了一个公开可访问的在线风险评估计算器.

结论:

• 随机森林模型是预测TAAD患者手术后缺血性中风的高效工具.
• 这种模式促进了早期的术后风险分层,使得个性化治疗策略成为可能.
• 开发的风险计算器为临床医生提供了一个可访问的工具,以改善患者管理.