Model wczesnego ostrzegania o niekorzystnych wynikach po wewnątrznaczyniowym leczeniu interwencyjnym tętniaka wewnątrzczaszkowego

Leczenie wewnątrznaczyniowe stało się jedną z podstawowych metod leczenia tętniaków wewnątrzczaszkowych. Do niekorzystnych wyników w okresie obserwacji należał nawrót tętniaka i długotrwała niepełna okluzja, co wiązałoby się z wysokim ryzykiem ponownego krwawienia i ponownego leczenia. W poprzednich badaniach próbowano przewidzieć przebieg tętniaków po leczeniu wewnątrznaczyniowym na podstawie charakterystyki tętniaka, w tym morfologii, stopnia upakowania embolizacji itp., ale wnioski były niespójne. Hemodynamika tętniaków i tętnicy macierzystej odegrała większą rolę w przewidywaniu wyników leczenia wewnątrznaczyniowego. Badacze odkryli również, że na wyniki zadecydowało wiele czynników, w tym przypadku nie można ignorować demografii, wskaźników klinicznych, metod leczenia i doboru materiału, a mechanizm niekorzystnych wyników badań obrazowych należy zbadać na dużych próbach przypadków klinicznych i licznych zmiennych parametry. Wstępny eksperyment badaczy potwierdził, że technologia sztucznej inteligencji może spełnić wymagania obliczeniowe dotyczące głębokiej eksploracji i analizy dużych próbek danych. Celem tego badania jest wykorzystanie modelu głębokiego uczenia się do identyfikacji odpowiednich czynników ryzyka i wag, ustalenia stabilnego i dokładnego modelu predykcyjnego, a następnie uwzględnienie badania prospektywnego w celu weryfikacji modelu. Wyniki będą bardzo pomocne w dokładnym przewidywaniu niekorzystnych skutków, takich jak nawrót i długotrwały brak okluzji po leczeniu wewnątrznaczyniowym, a także pomogą ulepszyć strategię terapeutyczną i uniknąć czynników ryzyka. Poza tym wystąpienie powikłań niedokrwiennych lub krwotocznych w trakcie obserwacji może mieć wpływ na ostateczny wynik obserwacji, dlatego analizę włączono jako jedno ze zdarzeń końcowych w celu oceny rokowania po interwencji.