Data-Driven Prognostication in Distal Medium Vessel Occlusions Using Explainable Machine Learning

doi:10.3174/ajnr.A8547

Data-Driven Prognostication in Distal Medium Vessel Occlusions Using Explainable Machine Learning

2024-10-23

0

PRE

AI

Konstantinos Margetis

DOI：10.3174/ajnr.A8547

原文链接

原文求助

摘要

En 中文

背景和目的：远端中小血管闭塞（DMVOs）据估计会导致25%-40%的病例发生急性缺血性卒中。预后模型可以通过预测结局来为患者咨询和研究提供信息。然而，专门针对DMVOs的模型尚缺乏。材料和方法：本研究回顾性开发了一种机器学习模型，用于预测164例原发性DMVO患者90天的不良结局（定义为mRS评分3-6分）。采用TabPFN算法开发的模型使用了经最小绝对收缩和选择算子（LASSO）特征选择筛选的临床、实验室、影像和治疗数据。通过5次重复的5折交叉验证评估模型性能。评估了模型的区分度和校准度。SHapley加性解释（SHAP）识别了有影响力的特征。部署了一个Web应用程序用于个体化预测。结果：该模型预测不良结局的受试者工作特征曲线下面积（AUC）为0.815（95% CI，0.79-0.841），显示出良好的区分度，Brier评分为0.19（95% CI，0.177-0.202），显示出良好的校准度。SHAP分析将入院NIHSS评分、发病前mRS、取栓类型、改良TICI评分和恶性肿瘤史列为顶级预测因子。该Web应用程序实现了个体化预后预测。结论：我们的机器学习模型在预测原发性DMVO卒中90天不良结局方面显示出良好的区分度和校准度。本研究表明，个性化预后咨询和研究有望支持卒中护理和康复中的精准医学。

Keyword:

ACUTE ISCHEMIC-STROKE

DISABILITY

TRIALS

SCORE

RISK

Data-Driven Prognostication in Distal Medium Vessel Occlusions Using Explainable Machine Learning

摘要

期刊

机构

引用论文