【文献摘要】机器学习模型预测SRS治疗部分栓塞后残余的动静脉畸形的结果-一真实世界的临床观察

《World Neurosurgery》杂志2022 年３月 8日在线发表北京首都医科大学天坛医院的Xiangyu Meng , Dezhi Gao , Hongwei He,等撰写的《机器学习模型预测SRS治疗部分栓塞后残余的动静脉畸形的结果-一真实世界的临床观察。A Machine Learning Model Predicts the Outcome of SRS for Residual Arteriovenous malformations after partial embolization- A Real-World Clinical Obstacle》（doi: 10.1016/j.wneu.2022.03.007.）。

目的:

提出一种机器学习(ML)模型，预测立体定向放射外科(SRS)治疗部分栓塞后残留脑动静脉畸形(bAVM)的良好预后。

材料和方法:

回顾性分析130例经SRS治疗的部分栓塞的bAVM患者。将患者随机分为训练数据集(n=100)和测试数据集(n=30)。从SRS治疗前的图像中提取放射影像组学和剂量学特征。进行特征选择以选择适当的放射影像组学和剂量学特征。采用三种ML算法分别利用所选特征构建模型。共9个模型被训练来预测bAVMs的有利结果(闭塞且无并发症)。使用平均准确度(ACC)和受试者工作特征曲线下面积(AUC)在测试数据集上评估这些模型的有效性。

结果:

本组患者平均随访时间为43.8个月(12-108个月)，闭塞率为70.77%(92/130)。89例(68.46%)患者预后良好。选择4个放射影像组学特征和7个剂量学特征构建ML模型。剂量学支持向量机（The dosimetric SVM）在训练数据集上表现最好，平均准确度(ACC)和受试者工作特征曲线下面积(AUC)分别为0.74和0.78。剂量学SVM模型在测试数据集上表现最好，ACC和AUC分别为0.83和0.77。

结论:

剂量学特征经是SRS治疗部分栓塞的bAVM患者后预后的良好预测指标。使用ML模型是预测SRS治疗部分栓塞bAVM后的良好结果的一种创新方法。