基于机器学习的急性缺血性脑卒中静脉溶栓后早期神经功能恶化预测模型的建立与评价

作者：吕喆; 杨欢; 王耀辉; 陈晓敏^*; 张重阳; 王文希

来源：中华危重病急救医学, 2023, 35(09).

• 急性缺血性脑卒中
• 静脉溶栓
• 机器学习
• 早期神经功能恶化

目的基于急性缺血性脑卒中(AIS)患者静脉溶栓治疗前的临床及实验室数据建立机器学习模型, 用于预测早期神经功能恶化(END)风险。方法回顾性分析2019年1月至2022年7月于秦皇岛市第一医院卒中中心接受重组组织型纤溶酶原激活剂(rt-PA)静脉溶栓治疗的AIS患者的临床资料。根据静脉溶栓治疗后是否出现END将患者分为END组和非END组。收集患者入院时的临床资料, 包括人口统计学特征、临床评估、合并症、用药史、实验室指标等, 对变量进行单因素、多因素Logistic回归分析, 筛选出AIS患者静脉溶栓治疗后END的独立预测因素;将研究对象以7 : 3比例随机分为训练集和测试集, 并以独立预测因素分别建立逻辑回归(LR)、K-最近邻(KNN)、支持向量机(SVM)、随机森林(RF)4种机器学习预测模型, 使用受试者工作特征曲线(ROC曲线)评估各模型对END的预测能力。结果共纳入704例患者, 其中99例被确定为END, 605例为非END。用单因素、多因素Logistic回归分析筛选出美国国立卫生研究院卒中量表〔NIHSS, 优势比(OR)=1.049, 95%可信区间(95%CI)为1.015～1.082, P=0.004〕、收缩压(OR=1.013, 95%CI为1.004～1.022, P=0.004)、淋巴细胞比例(LYM%, OR=0.903, 95%CI为0.853～0.953, P<0.001)、血小板与淋巴细胞比值(PLR, OR=1.007, 95%CI为1.002～1.014, P=0.013)为AIS患者静脉溶栓治疗后END的独立预测因素。在测试集中, LR、KNN、SVM、RF 4种机器学习模型的曲线下面积(AUC)分别为0.789(95%CI为0.675～0.902)、0.797(95%CI为0.685～0.910)、0.851(95%CI为0.751～0.952)、0.809(95%CI为0.699～0.919), 其中RF模型的敏感度最高(95.7%);SVM模型的准确性(0.736)、特异度(72.0%)、AUC均最高, 其整体预测能力优于其他3种模型。结论机器学习模型在早期预测AIS患者静脉溶栓治疗后END风险方面具有一定的潜在作用, 能够在临床静脉溶栓治疗决策中提供帮助。

• 单位
  秦皇岛市第一医院; 河北医科大学