预测脑出血后血肿扩展:临床医生预测与深度学习放射组学模型的对比
本研究通过对比临床医生判断与机器学习模型,发现基于头部CT影像的深度学习放射组学模型在预测非创伤性脑出血血肿扩展方面表现更优(AUC 0.680 vs 0.591)。研究使用ATACH-2试验900例患者的基线数据,建立结合影像特征和临床参数的随机森林模型(AUC 0.677),验证了机器学习在神经危重症决策支持中的潜力。尽管整体预测效能中等,但结果确立了新的相对基准,突显了AI辅助诊疗系统对优化脑出血患者管理的价值,特别是在临床医生间判断一致性较低(kappa 0.156)的现实挑战下。
2025-08-22 12:48:00AI与医疗健康