术前神经成像标记物,临床严重性测量和预测异常性脑内高血压中静脉修复的静脉修复特征:一个可解释的机器学习研究
Seifollah Gholampour1, Arshia Dehghan1, Timothy J Carroll1
1From the Department of Neurological Surgery (S.G., A.D., P.D., J.B.R., S.C.), Department of Radiology (T.J.C.), and Pritzker School of Medicine (J.P.), University of Chicago Medicine, Chicago, IL, USA.
可以使用机器学习模型预测异常性内高血压 (IIH) 突变修订风险,该模型包含神经成像标记器,如视神经外直径. 这些模型通过包括临床和分流特异性因素来提高预测准确性,以获得更好的患者结果.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 眼科医生 眼科 眼科
- 机器学习在医学中的应用
背景情况:
- 手术分流布置是一种常见的治疗方式,用于治疗异常性内高血压 (IIH).
- 在IIH患者中,高的分流修订率需要改进预测模型.
- 现有的模型往往忽略了关键的疾病特异性神经成像标记.
研究的目的:
- 开发一种可解释的机器学习 (ML) 模型,用于预测 IIH 中的顺序修订.
- 为了确定最强的先导修订预测因素,包括神经成像,临床和先导特定因素.
- 在多式预测框架内评估与IIH相关的神经成像标记物的贡献.
主要方法:
- 一项对128名IIH患者 (2001-2022) 的回顾性队列研究分析了23个变量.
- 开发并通过分层5倍交叉验证和独立测试集验证了10个ML分类器.
- 沙普利添加式解释 (SHAP) 和卡普兰-梅尔分析用于模型解释性和时间依赖的风险评估.
主要成果:
- 一个堆叠的组合模型 (随机森林+XGBoost) 在测试组中实现了78.2%的准确性和82.7%的AUC.
- 修订风险的关键预测因素包括MRI衍生的视神经外直径 (ONSD),乳头发疹,视野缺陷和分流特征 (非可编程门,腰椎关分流,更高的初始门压力).
- 使用可编程门和在没有手术前视野缺陷,乳头发或肥胖症的患者中观察到更长的分流存活时间.
结论:
- 来自MRI的ONSD,乳头发,视野缺陷和分流特征是IIH中分流修订的重要预测因素.
- 这些发现强调了采用神经成像标记器的多式手术前评估的价值.
- 在临床实施之前,建议进行前性外部验证.
更多相关视频
09:23Shunt Surgery, Right Heart Catheterization, and Vascular Morphometry in a Rat Model for Flow-induced Pulmonary Arterial Hypertension
Published on: February 11, 2017
09:00The Rabbit Blood-shunt Model for the Study of Acute and Late Sequelae of Subarachnoid Hemorrhage: Technical Aspects
Published on: October 2, 2014
相关概念视频
Shunt Admittances
To model this effect, the method of images is employed. This method involves replacing the Earth with an image conductor that mirrors the original...
Hypertension III: Clinical Manifestations and Diagnostic Studies
Characteristics of Life
Predicting Molecular Geometry
Machines
A free-body diagram of the...
Aneurysm II: Clinical Manifestations and Diagnostic Studies
