在脑内出血的微创手术中进行动态预后预测的深度学习:模型开发和验证研究
Jingxuan Wang1, Jian Shi2, Qing Ye3
1Department of Neurology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan City, China.
JMIR medical informatics
|January 7, 2026
概括
一个新的多步变压器模型在微创手术 (MIS) 后动态预测脑内出血 (ICH) 患者的生存和功能结果. 这种先进的工具有效地处理不平衡的数据,优于个性化预后的传统方法.
科学领域:
- 神经学和神经外科 神经外科
- 人工智能在医学中的应用
- 医学数据科学 医学数据科学
背景情况:
- 微创手术 (MIS) 后的脑内出血 (ICH) 预后是动态的,传统模型难以预测.
- 现有的模型与多个时间点,不平衡和缺失的临床数据作斗争.
- 需要动态的预后模型,能够适应不断变化的患者状态.
研究的目的:
- 开发和验证一个动态的预后模型,用于ICH患者接受MIS.
- 使用多个时间点数据预测短期和长期的生存和功能结果.
- 解决现有模型在处理复杂临床数据方面的局限性.
主要方法:
- 追溯收集了287名在多个时间点接受MIS的ICH患者的数据.
- 开发一个多步变压器模型,同时预测30天和180天的生存时间,以及180天的功能结果 (mRS 0-3).
- 使用五倍交叉验证,ROC曲线,校准曲线,DCA和归因值分析进行评估.
主要成果:
- 与传统分数和其他深度学习模型相比,多步变压器模型显示出更高的预测效率.
- 在30天生存 (0.87),180天生存 (0.85) 和180天功能结果 (0.75) 中实现了高AUROC.
- 决策曲线分析证实了跨各种值概率的显著临床实用性.
结论:
- 多步变压器模型有效地利用不平衡的数据来动态预测MIS后ICH患者的预后.
- 该模型为个性化预后评估提供了一个新的,强大的工具,改善患者护理.
- 这项研究强调了先进的人工智能模型在神经外科预测结果中的潜力.
