目的：自发性（非创伤性）脑内出血(sICH)与高死亡率和高发病率相关。随着sICH发病率的增加，脑部计算机断层扫描(CT)上的出血量和出血位置对于确定预后非常重要。使用人工智能(AI)辅助程序报告从sICH患者获得的CT扫描结果。这些程序提供了关于出血类型、体积和位置的数据。在本研究中，我们旨在调查AI辅助出血量测量的可靠性、测量体积对QTc的影响，以及这些参数对预测sICH患者死亡率的贡献。
材料与方法：本研究设计为回顾性单中心队列研究。使用Hevi AI的AI算法计算CT图像上的出血量。QTc值使用Bazett公式计算，并根据1周和1个月死亡率对患者进行分组进行统计分析。
结果：研究共纳入85名诊断为sICH的患者。患者平均年龄为62.9±14.6岁。年龄与1个月死亡率之间未观察到显著关联(p=0.890)。大量出血量、低格拉斯哥昏迷评分(GCS)和延长的QTc持续时间与1周死亡率显著相关(p<0.001)。出血量与GCS呈中高度显著负相关(r=-0.755, p<0.001)，与QTc呈中度显著正相关(r=0.477, p<0.001)。在进行Cox回归分析以确定风险因素对死亡率的影响时，大量出血量和低GCS水平增加了1周死亡率的概率(p=0.001，风险比=1.018，置信区间[CI]=1.008–1.029；p=0.020，HR=0.852，CI=0.745–0.975)。
结论：AI辅助测量的大量出血量和低GCS似乎是重要的预后指标，特别是关于1周死亡率。
关键词：人工智能；出血量；死亡率；QTc间期；自发性（非创伤性）脑内出血
【全文结束】