利用多模态医学数据和机器学习构建脑出血预后预测模型的研究

摘要：

目的:利用多模态医学数据和机器学习构建脑出血预后预测的模型，并探讨其预测价值。方法:回顾性分析华中科技大学协和深圳医院神经外科2020年1~12月收治的98例脑出血患者的临床资料及北京协和医院建立的全国多中心颅内出血数据库2020年1~12月纳入的302例脑出血患者的临床资料。构建脑出血影像学数据库，提取影像组学、临床相关因素标签，构建预测患者预后的模型。另选取华中科技大学协和深圳医院神经外科2021年1~12月收治的100例脑出血患者进行模型前瞻性验证。结果:400例患者预后不良的发生率为19.00%，单因素及多因素分析结果显示GCS评分、收缩压、舒张压、血糖、血肿体积、周围水肿体积、纤维蛋白原均是预后的影响因素（P<0.05）。自编码影像特征-临床数据模型预测脑出血患者预后的灵敏度、特异度、准确度、曲线下面积（AUC）[95%置信区间（95%CI）]分别为100.00%、99.38%、99.50%、0.994（0.935~0.998），均高于自编码影像特征模型及传统模型，且自编码影像特征模型均高于传统模型（P<0.05）。经验证，自编码影像特征-临床数据模型预测脑出血患者预后的灵敏度、特异度、准确度、AUC（95%CI）分别为100.00%、97.47%、98.00%、0.974（0.922~0.996）。结论:利用多模态医学数据和机器学习构建的自编码影像特征-临床数据模型预测脑出血预后的效能高。

关键词：多模态医学数据、机器学习、脑出血、生活质量

所属期刊栏目：13

资助基金：深圳市科创委可持续发展项目专2021N059;The Municipal Science & Technology Innovation Commission Foundation of ShenzhenZ2021N059

在线出版日期：2023-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：193-198