Ключевые результаты
Исследователи разработали DSF-Net — новую двухпотоковую мультимодальную нейросетевую архитектуру для раннего прогнозирования неврологического ухудшения (Early Neurological Deterioration, END) у пациентов после эндоваскулярного лечения инсульта. Модель продемонстрировала выдающиеся показатели эффективности:
- Площадь под кривой (AUC): 0,9996
- F1-мера: 0,9841
- Показатель чувствительности (recall) для END: 99% (по сравнению с 74% у базовой модели LSTM)
Методология
Архитектура DSF-Net основана на двухпотоковой обработке данных:
-
Первый поток: одномерная свёрточная нейронная сеть (1D-CNN) извлекает скрытые представления из высокочастотных физиологических сигналов ЭКГ
-
Второй поток: многослойный перцептрон (MLP) кодирует структурированные клинические показатели витальных функций
Полученные представления объединяются и обрабатываются энкодером Transformer для захвата сложных временных зависимостей внутри детализированных окон мониторинга.
Для решения проблемы экстремального дисбаланса классов (редкость случаев END) авторы интегрировали в модель:
- Обучение с учетом стоимости ошибок (cost-sensitive learning)
- Стратегию динамической оптимизации порога, ориентированную на максимизацию F1-меры
Клиническое значение
Раннее неврологическое ухудшение после эндоваскулярного лечения (EVT) инсульта часто коррелирует с долгосрочной инвалидностью и плохим прогнозом. Своевременное и точное прогнозирование END имеет решающее значение для:
- Раннего клинического вмешательства
- Улучшения исходов у пациентов
- Оптимизации протоколов ведения больных после EVT
Анализ интерпретируемости с использованием метода Integrated Gradients (IG) показал, что модель способна идентифицировать тонкие морфологические изменения в сигналах, предшествующие ухудшению, обеспечивая прозрачные и действенные ранние предупреждения для клиницистов.
Выводы
Предложенная модель DSF-Net представляет собой надежное и интерпретируемое решение для интеллектуального мониторинга пациентов после инсульта. Преимущества включают:
- Высокую точность прогнозирования END
- Способность обрабатывать мультимодальные данные (ЭКГ-сигналы и витальные показатели)
- Интерпретируемость результатов для клинического применения
- Возможность непрерывного постоперационного мониторинга
Эти результаты открывают перспективы для внедрения интеллектуальных систем мониторинга в повседневную клиническую практику и потенциально способны улучшить исходы у пациентов после эндоваскулярного лечения инсульта.