نموذج قائم على التعلم الآلي لتوقع النتائج في السكتة الدماغية الحادة

الخلفية والغرض - قد يكون التنبؤ بالنتائج طويلة الأجل لمرضى السكتة الدماغية الإقفارية مفيدًا في اتخاذ قرارات العلاج. يتم الاستعانة بشكل متزايد بتقنيات التعلم الآلي للاستخدام في المجال الطبي بسبب دقتها العالية. وقد حققت هذه الدراسة في قابليّة تطبيق تقنيات التعلم الآلي لتوقع النتائج طويلة الأجل لمرضى السكتة الدماغية الإقفارية. الأساليب - كانت هذه دراسة استرجاعية باستخدام مجموعة مستقبلية شملت مرضى السكتة الدماغية الإقفارية الحادة. تم تعريف النتيجة المواتية على أنها درجة مقياس رانكين المعدل 0 أو 1 أو 2 بعد 3 أشهر. طورنا 3 نماذج للتعلم الآلي (شبكة عصبية عميقة، غابة عشوائية، والانحدار اللوجستي) وقمنا بمقارنة قابلية توقعها. ولتقييم دقة نماذج التعلم الآلي، قمنا أيضًا بمقارنتها مع درجة سجل وتحليل السكتات الدماغية (ASTRAL). النتائج - تم تضمين 2604 مريضًا في هذه الدراسة، وكان 2043 (78%) منهم ذو نتائج مواتية. كانت المساحة تحت المنحنى لنموذج الشبكة العصبية العميقة أعلى بكثير من تلك الخاصة بدرجة ASTRAL (0.888 مقابل 0.839؛ P<0.001)، بينما كانت المساحات تحت المنحنيات لنماذج الغابة العشوائية (0.857؛ P=0.136) والانحدار اللوجستي (0.849؛ P=0.413) ليست أعلى بشكل ملحوظ من تلك الخاصة بدرجة ASTRAL. باستخدام المتغيرات الستة فقط التي تستخدم لدرجة ASTRAL، لم تختلف أداء نماذج التعلم الآلي بشكل ملحوظ عن درجة ASTRAL. الاستنتاجات - يمكن أن تحسن خوارزميات التعلم الآلي، ولا سيما الشبكة العصبية العميقة، من توقع النتائج طويلة الأجل لمرضى السكتة الدماغية الإقفارية.