基于机器学习早期预测蛛网膜下腔出血后迟发性脑缺血和不良预后的研究进展

摘要：

迟发性脑缺血是动脉瘤性蛛网膜下腔出血患者中最常见的并发症,也是大多数幸存者出现运动功能缺陷、认知功能障碍等不良预后和生活质量下降的最重要的可预防原因.早期准确预测蛛网膜下腔出血后迟发性脑缺血和不良预后对患者及时干预非常关键,机器学习作为人工智能领域的一个分支,是预测上述结局事件的最重要方法.作者就近年报道过早期预测蛛网膜下腔出血后迟发性脑缺血和不良预后的机器学习算法模型以及评价指标的文献进行综述,以期帮助临床医师能够通过机器学习算法模型早期预测迟发性脑缺血和不良预后的发生,为临床决策提供依据.

关键词：迟发性脑缺血、蛛网膜下腔出血、预后、人工智能、机器学习、综述

所属期刊栏目：19

分类号：R743.35;R651;TP391

资助基金：国家自然科学基金82001311

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：504-508