利用人工智能系统预测脑梗死静脉溶栓后的出血转化  

作　　者：徐伟 李辉萍[3] 贺国华[1] 胡珏 童洋萍 徐桂兰 曾文高 刘新峰 王振[1,4] 

机构地区：[1]南华大学附属长沙中心医院神经内科,410004 [2]南方医科大学附属金陵医院(东部战区总医院)神经内科 [3]湖南省人民医院马王堆院区康复科 [4]中南大学湘雅三医院神经内科

出　　处：《中国卫生统计》2021年第2期250-253,共4页Chinese Journal of Health Statistics

基　　金：长沙市科技计划项目经费资助(kq1901016);南华大学附属长沙医院资助项目(YNKY202005);湖南省卫生计生委科研计划课题项目(20201939)。

摘　　要：目的利用人工智能系统建立一个有效的预测模型,对脑梗死静脉溶栓后的出血转化进行早期预测。方法回顾性分析2016年6月至2019年11月南华大学附属长沙中心医院前瞻性注册登记的静脉溶栓患者的资料。收集患者的人口学、临床、理化及影像学指标共53项,利用单因素判别分析建立单因素模型,利用逻辑回归(LR)、朴素贝叶斯(NB)、随机森林(RF)、人工神经网络多层感知机(MLP)建立多因素预测模型,对脑梗死患者静脉溶栓后的出血转化进行预测。用受试者工作特征曲线下面积(AUC)评判预测模型好坏。结果本研究共纳入283例患者,其中有27例出现出血转化,出血转化率为9.5%。单因素模型中,以年龄作为预测因子的模型预测效果最好,其AUC为0.74,当选择76岁为截断值时,其敏感度为67%,特异度为72%。多因素模型中,RF模型预测效果最好,其AUC为0.90,灵敏度为0.85、特异度为0.89;LR模型的AUC为0.87,灵敏度为0.89、特异度为0.85;NB模型的AUC为0.87,灵敏度为0.76、特异度为0.86;MLP模型的AUC为0.82,灵敏度为0.81、特异度为0.78。结论基于人工智能的RF模型效果优于其他模型,可用作医学辅助诊断系统来预测脑梗死静脉溶栓后出血转化的发生。

关 键 词：人工智能 出血转化 静脉溶栓 脑梗死 随机森林 逻辑回归 

分 类 号：R743.3[医药卫生—神经病学与精神病学]