开发一种结合放射学和深度学习的多式模式,用于预测内血管血栓切除术后恶性脑

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:

• 恶性脑 (MCE) 是急性缺血性中风的内血管血栓切除术 (EVT) 后的一种严重并发症.
• 准确预测MCE对于及时干预和改善患者管理至关重要.

研究的目的:

• 开发和验证EVT后MCE风险的多式联运预测模型.
• 整合临床,放射学和深度学习 (DL) 功能,以提高预测准确度.

主要方法:

• 分析了接受EVT的290名患者的队列.
• 建立了一个融合模型,结合了临床变量,放射学和DL特征.
• 该模型的性能被内部验证并与ACORNS分级表进行了比较.

主要成果:

• 多模式融合模型表现出高预测性能,验证组的AUC为0.927,测试组的AUC为0.924.
• 融合模型在净效益方面始终超过了ACORNS分级表.

结论:

• 综合临床数据,放射学和DL特征的多式预测模型有效预测EVT后的MCE.
• 这种方法提供了一个强大的工具来识别患有MCE高风险的患者,使得更好的临床决策.