Limited incremental prognostic value of an AI-derived hematoma expansion probability beyond admission clinical and CT features for 30-day functional outcome after spontaneous intracerebral hemorrhage: a retrospective cohort study
这项针对117例自发性脑出血患者的回顾性队列研究发现，与仅使用标准预测因子相比，在常规入院临床及CT特征的基础上增加AI衍生的血肿扩大概率，对于预测30天功能预后并无显著的增量价值。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
当大脑内部发生突然出血，即被称为自发性脑内出血时，时间就开始倒计时了。医生依赖快速的脑部扫描——计算机断层扫描（CT）图像，来观察出血的大小以及它对大脑造成的压力。他们还会观察患者的意识水平和其他基本体征，以推测该患者在未来一个月内的恢复情况。多年来，这些传统的线索一直是进行此类预测的标准。然而，新一波的技术浪潮承诺能做得更多。人工智能现在可以扫描同样的脑部图像，并计算出一个具体的数值：出血量扩大的概率。医学界面临的一个大问题是，这个新的、高科技的数值是否真的能帮助医生做出比他们现有的那些简单线索更准确的预测。
中国濮阳石油总医院的一组研究人员着手通过回顾 117 名接受此类脑出血治疗的成年人的记录来回答这个问题。他们想看看，如果将人工智能对出血扩大的预测加入到标准的患者细节清单中，是否会提高预测不良预后的准确性。在这种情况下，不良预后意味着患者在 30 天内留下严重的残疾或死亡。研究人员构建了两种不同的预测工具。第一种工具仅使用医生在患者入院时收集的信息：年龄、性别、出血大小、脑偏移程度、意识水平以及血液是否扩散到了脑脊液空间。第二种工具则在同样的清单基础上，增加了人工智能计算出的出血扩张概率。
研究人员使用一种严谨的方法测试了这些工具，以确保结果是可靠的，而非仅仅是运气好。他们发现，仅使用临床和影像细节的标准工具在预测谁的恢复会很困难方面已经做得相当出色。它达到了 0.81 的 AUC 值。当他们将人工智能的扩张概率加入其中时，性能并没有提升。新工具预测结果的准确性与旧工具几乎完全相同。事实上，这种差异微乎其微，在统计学上是毫无意义的，这表明人工智能并未提供任何医生无法从初始扫描和患者状况中直接观察到的新且有用的信息。研究还将其标准工具与一种名为 ICH 评分的知名评分系统进行了对比，该系统在医院中被广泛使用。他们的工具表现出与这一既定评分系统相似的表现，表明在这一特定患者群体中，两种方法均没有明显的优势。
研究结果表明，对于预测脑出血患者 30 天内的命运，人工智能对出血扩张的复杂计算，并不能在医生通过标准入院评估所能确定的信息之外增加额外价值。传统因素（如出血量大小和患者的警觉程度）似乎已经捕捉到了进行短期预后所需的几乎所有必要信息。研究人员指出，他们的研究受限于单一医院且患者数量相对较少，因此结果是一个强烈的信号，但并非最终定论。他们得出结论，虽然人工智能技术令人印象深刻，但它并未证明自己是医生在处理这一特定任务及这一人群时，进行必要的工具补充。要确定这项技术是否能在更广泛的环境中发挥作用，还需要涉及不同医院和更多样化患者群体的更大规模研究。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。