您现在的位置是:主页 > 118开奖结果现场 >

JNIS中文版丨于加省教授导读:机器学习提高蛛网膜下腔出血迟发性

2019-08-10 10:53      点击次数:

原标题:JNIS中文版丨于加省教授导读:机器学习提高蛛网膜下腔出血迟发性脑缺血的预测能力 《JNIS(中文版)》是神经介入专科影响力最高的国际期刊Journal of NeuroInterventional Surgery 《JNIS》(IF 3.925)的官方中文期刊,由中国医师协会神经介入专业委

  原标题:JNIS中文版丨于加省教授导读:机器学习提高蛛网膜下腔出血迟发性脑缺血的预测能力

  《JNIS(中文版)》是神经介入专科影响力最高的国际期刊Journal of NeuroInterventional Surgery 《JNIS》(IF 3.925)的官方中文期刊,由中国医师协会神经介入专业委员会(CFITN)联合新媒体平台「卒中视界」与《JNIS》出版方BMJ中国版权合作,于2019年4月正式发布。旨在以中文语言为我国神经介入领域医务工作者提供JNIS原版学术进展,并将更多国内优秀神经介入成果介绍给国际学界。打开一扇窗,架起一座桥。中文版编委会由176名国内顶级医学专家组成,每期《JNIS(中文版)》内容由编委精选和精译,并结合专家个人经验撰写专家评论以飨同道。

  人工智能已开始应用于临床诊疗,但机器学习预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血的能力如何,目前尚无相关研究,本文将机器学习与传统逻辑回归模型进行比较,研究结果值得期待。

  迟发性脑缺血(DCI)是动脉瘤性蛛网膜下腔出血(aSAH)的严重并发症之一,与患者的功能恶化相关,20%-30%SAH患者出现DCI,因此筛选出DCI高风险的患者不仅有利于提高其功能预后,而且可以减少不必要的重症监护支出。

  已知与DCI发生相关的危险因素有:WFNS分级、年龄、动脉瘤治疗方式(夹闭或栓塞)、脑内和脑室出血、出血量、高血压、糖尿病、吸烟、饮酒、高血糖状态、入院Hunt-Hess分级等。

  既往预测DCI的研究是基于单变量和多变量的逻辑回归分析,这种分析方法不仅准确性较低,而且难以通过自举法或交叉验证策略纠正过度乐观的结果。

  近年来日益增多的临床和影像数据为建模预测DCI提供了新的可能性,但多源数据的整合和解读颇具挑战。

  机器学习(ML)是计算机科学的一个领域,其算法可以具有从多变量的大型数据集中学习的模式,优点是一旦定义结果标签之后,算法就可以自动优化参数。与回归模型不同,ML可以处理大量的患者数据以及数据之间的交互作用。因此ML与回归模型相比具有潜在的优越性。

  将ML应用于异质性数据(即来源不同的数据,如影像数据和临床特征)对阿尔兹海默症进行分类和预测主动脉狭窄的研究已经取得了阳性结果。

  来自荷兰阿姆斯特丹学术医学中心的Lucas Alexandre Ramos假设基于临床和影像数据的ML,较逻辑回归分析具有更高的预测能力,比较了两者预测DCI的准确性,研究结果于2019年5月发表在《Journal of Neurointerventional Surgery》上。

  该研究共纳入317例SAH患者的临床资料和CT基线数据。纳入标准为CT或腰椎穿刺证实的SAH,同时血管影像提示:动脉瘤为责任灶;DCI定义为排除其他原因导致的新发神经功能缺损,或GCS下降超过2分。分别用三种分析方法预测DCI:

  预测准确性用95%置信区间(CI)下的曲线下面积(AUC)、灵敏度及特异度评价。

  基于已知预测因子的逻辑回归模型最佳AUC为0.63 (95% CI 0.62-0.63)。基于临床变量的ML模型AUC为0.68 (95% CI 0.65-0.69),具有统计学意义。基于图像特征和临床变量的ML模型AUC最高,为0.74(95% CI 0.72-0.75)。值得注意的是,研究中多个ML模型纳入了动脉瘤的高度和宽度。

  机器学习提高了aSAH患者DCI的预测能力,纳入图像特征时预测能力更高。该研究也提示动脉瘤特征与DCI的发生具有相关性。

  图2:平均受试者工作特征曲线(ROC)(左图:基于临床变量的ML;右图:基于临床变量和图像特征的ML)

  图3:DCI阳性患者的LIME模型解释,基于临床变量的ML模型预测DCI风险的能力较低(上图),纳入图像特征后预测DCI风险的能力较高(下图)(LIME:局部可理解的与模型无关的解释)

  动脉瘤性蛛网膜下腔出血后迟发性脑缺血的预测需要综合考虑多种危险因素,是一项复杂任务。机器学习是人工智能的核心,涉及计算机科学、信息论、控制论等多个领域。专门研究计算机如何模拟或学习人类的学习行为,其应用已相当广泛。本文将机器学习用于蛛网膜下腔出血后迟发性脑缺血的预测,显示出具有比传统逻辑回归模型更高的预测能力,且当纳入图像特征时,预测能力更高,这说明人工智能在临床诊治中具有良好的应用前景,也说明如何更好的发挥人工智能的作用,取决于应用者。

  医学博士、主任医师、副教授、博士生导师,华中科技大学同济医学院附属同济医院神经外科一病区主任兼神经外科副主任。学会任职:湖北省卒中学会副会长;湖北省卒中学会神经外科分会主任委员;中国卒中学会神经介入分会第一届青年委员会副主任委员;中国研究型医院学会神经微侵袭治疗专业委员会常务委员;中国卒中学会复合介入神经外科分会第一届委员会常务委员;中国医师协会神经介入专业委员会第一届委员会委员;中国抗衰老促进会神经系统疾病专业委员会委员;《中华实验外科杂志》审稿专家;《神经损伤与功能重建》审稿专家审稿专家;《中国微侵袭神经外科杂志》审稿专家。

推荐阅读

请问蛛网膜下腔出血都可能出现什么症状?后遗症又会是什么?

可选中1个或多个下面的关键词,搜索相关资料。也可直接点搜索资料搜索整个问题。 人的大脑表面有三层脑膜,其中有一层像蜘蛛网一样包绕在大脑的表面,其下有一个潜在的间隙,称为蛛网膜下腔,当蛛网膜下腔有血液流入时,我们就称为蛛网膜下腔出血。 蛛网膜下

热点新闻

JNIS中文版丨于加省教授导读:机器学习提高蛛网膜下腔出血迟发性

原标题:JNIS中文版丨于加省教授导读:机器学习提高蛛网膜下腔出血迟发性脑缺血的预测能力 《JNIS(中文版)》是神经介入专科影响力最高的国际期刊Journal of NeuroInterventional Surgery 《JNIS》(IF 3.925)的官方中文期刊,由中国医师协会神经介入专业委