A Aprendizagem de Máquina Prevê Transformação Hemorrágica Após Acidente Vascular Cerebral Usando Imagens de RM de Difusão e Perfusão

Motivação: A transformação hemorrágica (HT) após o acidente vascular cerebral isquêmico agudo (AIS) afeta criticamente o prognóstico do paciente. Objetivo(s): Desenvolver modelos confiáveis de aprendizagem de máquina (ML) para prever HT em pacientes com AIS usando RM. Abordagem: 379 pacientes com AIS foram divididos aleatoriamente em conjuntos de treinamento e teste. Todos realizaram RM incluindo DWI e PWI dentro de 24 horas após o início dos sintomas e tiveram seguimento com TC/RM dentro de 14 dias. Características clínicas e parâmetros de RM foram coletados. Seis algoritmos de ML foram treinados e otimizados. Vários modelos de fusão foram criados. O melhor modelo de desempenho foi selecionado com base no desempenho do conjunto de teste. Resultados: Um modelo prático baseado em Regressão Logística e um modelo de fusão refinado foram gerados, acessíveis gratuitamente em https://yike-wood.github.io/HT-Predict/. Impacto: O modelo prático prevê efetivamente o resultado de HT usando apenas três características principais com alta eficiência. O modelo refinado, aprimorado com conhecimento de domínio, alcança maior precisão e previsões mais confiáveis, o que o torna uma abordagem valiosa na tomada de decisões, especialmente em situações complicadas.