En tidig varningsmodell för ogynnsamma resultat efter endovaskulär interventionsbehandling av intrakraniellt aneurysm

Endovaskulär behandling har blivit en av de primära behandlingsmetoderna för intrakraniella aneurysm. De ogynnsamma resultaten under uppföljningen inkluderade återkommande aneurysm och långvarig ofullständig ocklusion, vilket skulle medföra en hög risk för återblödning och återbehandling. Tidigare studier har försökt förutsäga resultatet av aneurysm efter endovaskulär behandling baserat på aneurysmegenskaper inklusive morfologi, emboliseringspackningsgrad, etc, men slutsatsen var inkonsekvent. Hemodynamik hos aneurysm och föräldraartär spelade en större roll för att förutsäga resultat efter endovaskulära behandlingar. Utredarna fann också att resultaten bestämdes av många faktorer, där demografi, kliniska indikatorer, behandlingsmetoder och materialval inte kan ignoreras, och mekanismen för ogynnsamma avbildningsresultat bör utforskas med hjälp av stora urval av kliniska fall och många olika variabler. parametrar. Utredarnas förexperiment bekräftade att artificiell intelligensteknologi kan uppfylla beräkningskraven för djupbrytning och analys av stora provdata. Denna studie syftar till att använda djupinlärningsmodellen för att identifiera relevanta riskfaktorer och vikter, upprätta en stabil och korrekt förutsägelsemodell och sedan införliva den prospektiva studien för att verifiera modellen. Resultaten kommer att vara till stor hjälp för att exakt förutsäga de negativa utfallen såsom återfall och långvarig icke-ocklusion efter endovaskulär behandling och hjälpa till att förbättra den terapeutiska strategin och undvika riskfaktorer. Dessutom kan förekomsten av ischemiska eller hemorragiska komplikationer under uppföljningen påverka det slutliga uppföljningsresultatet, så analysen inkluderades som en av utfallshändelserna för att utvärdera prognosen efter intervention.