頭蓋内動脈瘤の血管内介入治療後の好ましくない結果の早期警告モデル

血管内治療は、頭蓋内動脈瘤の主要な治療法の 1 つとなっています。 追跡調査中の好ましくない転帰には、動脈瘤の再発や長期にわたる不完全閉塞が含まれており、これは再出血や再治療の高いリスクをもたらします。 これまでの研究では、形態、塞栓のパッキング度などを含む動脈瘤の特徴に基づいて血管内治療後の動脈瘤の転帰を予測しようと試みられてきましたが、結論は一貫していませんでした。 動脈瘤と親動脈の血行動態は、血管内治療後の転帰の予測においてより大きな役割を果たしました。 研究者らはまた、結果は多くの要因によって決定され、人口動態、臨床指標、治療法、材料の選択は無視できず、臨床症例の大規模なサンプルと多数の変数を使用して、好ましくない画像結果のメカニズムを調査する必要があることも発見しました。パラメーター。 研究者による事前実験により、人工知能技術が大規模なサンプルデータのディープマイニングと分析のための計算要件を満たせることが確認されました。 この研究は、深層学習モデルを使用して関連するリスク要因と重みを特定し、安定した正確な予測モデルを確立し、その後、前向き研究を組み込んでモデルを検証することを目的としています。 この結果は、血管内治療後の再発や長期非閉塞などの有害な転帰を正確に予測するのに非常に役立ち、治療戦略の改善や危険因子の回避に役立ちます。 さらに、追跡中の虚血性または出血性合併症の発生は最終的な追跡結果に影響を与える可能性があるため、この分析は介入後の予後を評価するためのアウトカムイベントの 1 つとして組み込まれました。