基于机器学习预测超时间窗急性前循环大血管闭塞患者机械取栓预后的研究
目的 探讨机器学习在预测超时间窗急性前循环缺血性脑卒中患者血管内治疗后90天神经功能结局的价值.方法 回顾性分析行血管内治疗的118例超窗期急性前循环大血管闭塞患者的病例资料,根据术后3个月改良Rankin量表(mRS)评分,分为预后良好组(mRS评分≤2分)和预后不良组(mRS评分＞2分)并比较两组患者临床影像资料.基于患者入院时临床及术前多模态CT成像特征,构建4种机器学习算法(NBC、RF、SVM和LR),采用五折交叉验证方法训练测试模型,并采用受试者工作特征曲线下面积(AUC)值评价模型的预测效能,同时基于RF模型分析各因素在预后判断中的重要性.结果 总计纳入118例患者,其中预后良好组53例.采用五折交叉验证方法训练测试模型后,训练集4种预测模型预测90天神经功能平均AUC值0.81～0.95,准确性74.6％～86.6％,敏感性61％～79％,特异性71％～94％;测试集模型预测平均AUC值0.74～0.77,准确性66.9％～70.4％,敏感性58％～78％,特异性70％～81％.年龄、低灌注因子、严重低灌注区(Tmax＞10 s)体积是判断患者预后的重要特征属性.结论 机器学习可以较好地预测超时间窗急性前循环缺血性脑卒中患者血管内治疗后90天的神经功能结局,为临床制定个性化治疗方案提供一定参考依据.
急性缺血性脑卒中、超时间窗、机器学习、机械取栓、预后预测
41
R743.3;G434;R542.2
国家自然科学基金;国家自然科学基金
2022-05-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
404-409
