Ключевые результаты
Разработана модель на основе support vector machine (SVM) для прогнозирования прогрессирования внутричерепной гематомы при черепно-мозговой травме (ЧМТ). Модель продемонстрировала высокую точность prediction (AUC 0.937 в обучающей и 0.925 в валидационной выборке).
Методология
- Ретроспективный анализ данных 356 пациентов с ЧМТ
- Оценка 25 демографических, радиологических и лабораторных показателей
- Применение LASSO-регрессии для отбора предикторов
- Сравнение 5 алгоритмов машинного обучения
- Интерпретация результатов с помощью SHAP (Shapley additive explanations)
Клиническое значение
Выявлены 7 ключевых предикторов прогрессирования гематомы:
- Тип гематомы
- Курение в анамнезе
- Возраст
- Уровень D-димера
- Отношение моноцитов к лимфоцитам (MLR)
- Уровень кальция в сыворотке
- Множественные гематомы
Ранняя прогрессия гематомы наблюдалась у 49.7% пациентов. Разработанная номограмма позволяет проводить раннюю стратификацию риска и персонализировать тактику ведения пациентов.
Выводы
Созданная интерпретируемая модель машинного обучения демонстрирует высокую точность в прогнозировании прогрессирования гематомы при ЧМТ. Инструмент может применяться для оптимизации клинических решений и своевременного вмешательства у пациентов высокого риска.