Studie av den prognostiske prediksjonsmodellen for pasienter med akutt intracerebral blødning ved kunstig intelligens

Spontan intracerebral blødning (SICH) er det mest dødelige og invalidiserende hjerneslaget. Rettidig og nøyaktig vurdering av pasientprognose kan lette klinisk beslutningstaking og stratifisert behandling av pasienter og er viktig for å forbedre pasientens kliniske prognose. Nåværende studier på prediksjon av prognose for pasienter med SICH er imidlertid begrenset og inkluderer bare en enkelt variabel, med mindre presise resultater og ubeleilig klinisk anvendelse, noe som kan føre til forsinkelser i effektiv pasientbehandling. Vår gruppes tidligere studier på SICH viste at hematomheterogenitet og graden av kontrastekstravasasjon i hematomet er nært knyttet til det kliniske resultatet til pasienter, men de er vanskelige å beskrive kvantitativt basert på bildetegn. Basert på dette foreslår vi å bruke radiomik til å kvantitativt trekke ut hematomtrekk fra NCCT- og CTA-bilder, kombinere dem med pasienters kliniske informasjon og laboratorietester, studere deres forhold til prognosen for hjerneblødning og bruke kunstig intelligens for å etablere en rask og nøyaktig prognostisk prediksjonsmodell for pasienter med SICH, som er av stor betydning for å veilede klinisk individualisert behandling.