基于机器学习预测自发性脑出血血肿扩大研究

作者：袁伟; 侯文仲; 王倩; 庄坚伟; 谢国喜; 陈向林^*

来源：广东药学院学报, 2022, 38(03): 76-84.

DOI：10.16809/j.cnki.2096-3653.2021120105

• 脑出血
• 血肿扩大
• 自动预测

目的 评判自发性脑出血血肿扩大的几率，帮助临床医生采取正确的治疗措施，提高疗效。方法 本研究引入支持向量机、逻辑回归、决策树和极限学习机4种自动预测模型进行血肿扩大的判断，并与临床上常用的BRAIN评分在训练精度、测试精度、敏感度、特异性、曲线下面积等方面进行了研究对比。结果 通过150例患者数据的实验分析，显示支持向量机、逻辑回归和极限学习机3种模型优于BRAIN评分标准。其中极限学习机分类模型取得了最好的分类效果，其训练精度为99.25%，测试精度为93.33%，敏感度为98.50%，特异性为85.90%,AUC为0.926，同时模型的自动预测功能可以提高预测效率，减轻医生负担。可以根据患者数据量的增加随时进行模型的学习和调整，更加契合所在医院的实际样本情况。结论 极限学习机模型在预测血肿扩大概率上具有明显的优势，将其引入该领域具有一定的创新性，具有临床应用价值。

• 单位
  广州医科大学; 基础医学院