European Radiology:为觉醒型卒中患者跑赢时间的人工智能!

2022-03-04 shaosai MedSci原创

觉醒型卒中(WUS)是缺血性卒中的一个亚组,是指睡觉时无新发卒中症状,但觉醒后被患者本人或目击者发现有卒中症状的急性脑梗死患者,在流行病学研究中占卒中病例的14%-25%。

觉醒型卒中(WUS)是缺血性卒中的一个亚组,是指睡觉时无新发卒中症状,但觉醒后被患者本人或目击者发现有卒中症状的急性脑梗死患者,在流行病学研究中占卒中病例的14%-25%。WUS临床较为普遍,但因发病时间不确切而容易被忽略,常被排除于溶栓之外。事实上,经仔细筛选仍有部分WUS适合溶栓。

现阶段影像学上的DWI-FLAIR不匹配征象已被临床用于可行溶栓治疗WUS患者的筛选。然而,大多数研究报告说,DWI-FLAIR不匹配征象只能达到0.60至0.80的特异性,0.5至0.6的中等敏感性。机器学习(ML)能自动学习从数据集中执行预定任务,可用于图像特征的挖掘以开发稳健的预测模型。

近日,发表在European Radiology杂志的一项研究比较了基于DWI和FLAIR的7个ML模型,并开发了一个稳定的ML模型以确定WUS发病时间WUS患者争取更有效的治疗方案及更佳的预后效果

本研究纳入了本机构(数据集1,n = 410)和另一机构(数据集2,n = 177)明确症状发生后24小时内的卒中患者的DWI和FLAIR图像。在数据集1的基础上建立了7个ML模型来估计卒中发病时间的二元分类(≤4.5小时或>4.5小时)。包括随机森林(RF)、svmLinear或svmRadial、贝叶斯(Bayes)、KNN、AdaBoost和神经网络(NNET)。分别进行了ROC分析和RSD来评价ML模型的性能和稳定性,并对数据集2进行了外部验证,用ROC分析来评价模型的泛化能力。 

svmRadial取得了最好的性能,具有最高的AUC和准确性(AUC:0.896,准确性:0.878),并且最稳定(AUC的RSD%:0.08,准确性的RSD%:0.06)。然后选择svmRadial模型作为最终模型,svmRadial模型预测发病时间外部验证的AUC为0.895,准确性为0.825。 

 使用DWI和FLAIR识别WUS发病时间的ML框架。

总之,本研究提供了一个识别症状发生后4.5小时内的WUS患者的ML模型,基于DWI+FLAIR的svmRadial模型对于识别WUS患者的发病时间窗具有良好的诊断能力。

原文出处

Liang Jiang,Siyu Wang,Zhongping Ai,et al.Development and external validation of a stability machine learning model to identify wake-up stroke onset time from MRI.DOI:10.1007/s00330-021-08493-6

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1720449, encodeId=837b1e204496b, content=<a href='/topic/show?id=915c3604e6b' target=_blank style='color:#2F92EE;'>#卒中患者#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=48, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=36047, encryptionId=915c3604e6b, topicName=卒中患者)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=940232842333, createdName=wangyang7969, createdTime=Thu Dec 08 21:27:42 CST 2022, time=2022-12-08, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1729399, encodeId=0a1d1e29399b9, content=<a href='/topic/show?id=986913980dd' target=_blank style='color:#2F92EE;'>#PE#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=34, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=13980, encryptionId=986913980dd, topicName=PE)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f06c33759375, createdName=feather89, createdTime=Sun Oct 30 09:27:42 CST 2022, time=2022-10-30, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1645376, encodeId=1bab16453e69e, content=<a href='/topic/show?id=adfe9090e2b' target=_blank style='color:#2F92EE;'>#觉醒#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=52, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=90907, encryptionId=adfe9090e2b, topicName=觉醒)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=36f323200284, createdName=guoyibin, createdTime=Mon Dec 19 20:27:42 CST 2022, time=2022-12-19, status=1, ipAttribution=)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=1720449, encodeId=837b1e204496b, content=<a href='/topic/show?id=915c3604e6b' target=_blank style='color:#2F92EE;'>#卒中患者#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=48, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=36047, encryptionId=915c3604e6b, topicName=卒中患者)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=940232842333, createdName=wangyang7969, createdTime=Thu Dec 08 21:27:42 CST 2022, time=2022-12-08, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1729399, encodeId=0a1d1e29399b9, content=<a href='/topic/show?id=986913980dd' target=_blank style='color:#2F92EE;'>#PE#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=34, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=13980, encryptionId=986913980dd, topicName=PE)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f06c33759375, createdName=feather89, createdTime=Sun Oct 30 09:27:42 CST 2022, time=2022-10-30, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1645376, encodeId=1bab16453e69e, content=<a href='/topic/show?id=adfe9090e2b' target=_blank style='color:#2F92EE;'>#觉醒#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=52, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=90907, encryptionId=adfe9090e2b, topicName=觉醒)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=36f323200284, createdName=guoyibin, createdTime=Mon Dec 19 20:27:42 CST 2022, time=2022-12-19, status=1, ipAttribution=)]
    2022-10-30 feather89
  3. [GetPortalCommentsPageByObjectIdResponse(id=1720449, encodeId=837b1e204496b, content=<a href='/topic/show?id=915c3604e6b' target=_blank style='color:#2F92EE;'>#卒中患者#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=48, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=36047, encryptionId=915c3604e6b, topicName=卒中患者)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=940232842333, createdName=wangyang7969, createdTime=Thu Dec 08 21:27:42 CST 2022, time=2022-12-08, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1729399, encodeId=0a1d1e29399b9, content=<a href='/topic/show?id=986913980dd' target=_blank style='color:#2F92EE;'>#PE#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=34, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=13980, encryptionId=986913980dd, topicName=PE)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f06c33759375, createdName=feather89, createdTime=Sun Oct 30 09:27:42 CST 2022, time=2022-10-30, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1645376, encodeId=1bab16453e69e, content=<a href='/topic/show?id=adfe9090e2b' target=_blank style='color:#2F92EE;'>#觉醒#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=52, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=90907, encryptionId=adfe9090e2b, topicName=觉醒)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=36f323200284, createdName=guoyibin, createdTime=Mon Dec 19 20:27:42 CST 2022, time=2022-12-19, status=1, ipAttribution=)]
    2022-12-19 guoyibin

相关资讯

2021 ACR:使用机器学习通过步态和身体活动预测2年内侧膝关节软骨恶化:MOST 研究

该研究的目标是在多中心骨关节炎研究(MOST)中使用机器学习研究步态和身体活动预测2年的内侧胫股软骨恶化的能力。

European Radiology:使用机器学习,预测Stanford B型主动脉夹层TEVAR术后的再干预风险

主动脉夹层是一种高度致命性疾病,每年的发病率为每10万人中有2至6人。目前,胸腔内主动脉修复术(TEVAR)是复杂的斯坦福B型主动脉夹层(TBAD)患者的首选疗法。

European Radiology:机器学习对髋关节早期关节间隙狭窄相关因素的识别

髋关节解剖结构对早发性骨关节炎(OA)进展的影响已被广泛研究,其中关注最多的是发育不良和股髋关节撞击(FAI)。

Stroke:机器学习yyds,能准确识别卒中患者大血管闭塞情况!

在这项对2个城市的MSU评估患者的研究中,一个ML算法能够利用院前CTA采集准确而快速地检测出LVO。

AI机器学习预测癌症患者对免疫治疗的疗效反应

只有一小部分癌症患者对PD-1/PD-L1类药物(免疫检查点阻断剂,ICB)的免疫治疗有效。而目前临床上确定癌症患者对ICB治疗是否有效的检测方法的准确性非常有限。从精准医学的角度来评估和实施免疫治疗

European Radiology:基于T1 mapping的自动机器学习在HCM心肌纤维化方面的应用

肥厚型心肌病(HCM)是最常见的遗传性心肌病,其特点是不明原因的心肌肥厚和纤维化改变。晚期钆增强(LGE)的心脏MRI表现一直被认为是识别心肌纤维化的首要影像学表现。