Undersøgelse af den prognostiske forudsigelsesmodel af patienter med akut intracerebral blødning ved kunstig intelligens

Spontan intracerebral blødning (SICH) er det mest dødelige og invaliderende slagtilfælde. Rettidig og nøjagtig vurdering af patientprognosen kan lette den kliniske beslutningstagning og stratificeret behandling af patienter og er vigtig for at forbedre patientens kliniske prognose. Nuværende undersøgelser af forudsigelse af prognose for patienter med SICH er dog begrænsede og inkluderer kun en enkelt variabel, med mindre præcise resultater og ubekvem klinisk anvendelse, hvilket kan føre til forsinkelser i effektiv patientbehandling. Vores gruppes tidligere undersøgelser af SICH viste, at hæmatomheterogenitet og graden af ​​kontrastekstravasation i hæmatomet er tæt forbundet med det kliniske resultat af patienter, men de er vanskelige at beskrive kvantitativt baseret på billeddiagnostiske tegn. Baseret på dette foreslår vi at bruge radiomik til kvantitativt at udtrække hæmatomtræk fra NCCT- og CTA-billeder, kombinere dem med patienters kliniske information og laboratorietests, studere deres forhold til prognosen for hjerneblødning og bruge kunstig intelligens til at etablere en hurtig og præcis prognostisk forudsigelsesmodel for patienter med SICH, hvilket er af stor betydning for at vejlede klinisk individualiseret behandling.