目的 利用决策树、随机森林、梯度提升的机器学习方法建立前交通动脉瘤破裂的预测模型.方法 回顾性纳入2012年12月至2020年4月期间在青岛大学附属医院诊治的临床及影像学资料完整的前交通动脉瘤患者,符合纳入标准的有381例;其中破裂引起蛛网膜下腔出血患者244例,未破裂前交通动脉瘤患者137例.收集患者的年龄、性别、吸烟史、高血压病史、蛛网膜下腔出血病史和影像学特征,包括前交通动脉瘤的高度、瘤颈宽度、是否有A1优势、动脉瘤是否规则、动脉瘤朝向.利用机器学习方法纳入上述特征建立预测模型,并通过受试者工作特征(ROC)曲线评价预测模型.结果 对比破裂组与未破裂组年龄、动脉瘤高度、瘤颈宽度、动脉瘤不规则及A1优势征差异有统计学意义.决策树预测模型ROC曲线下面积为0.737(95％CI:0.637～0.837),准确率为73.15％;随机森林预测模型ROC曲线下面积为0.675(95％CI:0.569～0.7806),准确率为68.52％;梯度提升模型ROC中曲线下面积为0.758(95％CI:0.6569～0.8587),准确率为77.78％.结论 通过机器学习方法建立的预测模型能够较好地进行前交通动脉瘤破裂的预测.
作者：张岩；孙成建；张照龙；谢宜兴；徐锐；刘国平；赵晓龙；邵黎明；王振光
来源：介入放射学杂志 2021 年 30卷 4期
