在急性缺血性中风中预测针疗效,构建一个临床放射学多式模式模型
Lijuan Zhao1, Ziguang Huang1, Baoying Zhao2
1The First Clinical College, Liaoning University of Traditional Chinese Medicine, Shenyang, China.
Frontiers in neurology
|December 15, 2025
概括
这项研究开发了一种使用放射学和临床数据的综合模型,以预测急性缺血性中风患者的针有效性. 使用KNN算法的组合模型在识别从针中受益的患者方面表现出卓越的准确性.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 综合医学是一个整体医学.
背景情况:
- 急性缺血性中风 (AIS) 给健康带来了重大挑战.
- 针作为AIS恢复的补充疗法正在被探索.
- 预测治疗反应对于优化患者治疗结果至关重要.
研究的目的:
- 在AIS患者中开发和验证针疗效的预测模型.
- 整合多模式放射学和临床数据用于预后评估.
- 在预测模型中评估不同机器学习算法的性能.
主要方法:
- 对186名AIS患者的回顾性分析,这些患者接受了针治疗.
- 使用皮尔森相关性和LASSO回归的特征选择.
- 使用后勤回归,LightBoost和K-近邻 (KNN) 算法开发和比较临床,放射学和组合模型.
主要成果:
- 综合4个临床和8个放射学特征的组合模型显示出卓越的性能.
- 基于KNN的组合模型在测试数据集中实现了0.889的AUC.
- 组合模型显示了高精度 (0.800),灵敏度 (0.914) 和精度 (0.781).
结论:
- 临床和放射学特征的综合模型准确地识别了从针中受益的患者.
- 在AIS患者中,KNN算法为个性化治疗决策提供了稳定性和可靠性.
- 这种方法为个人化针疗法在中风恢复中提供了基础.
