Прогнозирование динамики неврологического дефицита у пациентов с ишемическим инсультом на основе метода деревьев решений и анализа количественных характеристик церебральных коллатералей по данным компьютерно-томографической ангиографии.

XXIII Ежегодный международный конгресс «Информационные технологии в медицине», #ИТМ2022, Москва
14 октября 2022, 17:15,Зал Юпитер.
Секция: 2.9. ВСЕРОССИЙСКАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ ПО ИСКУССТВЕННОМУ ИНТЕЛЛЕКТУ В МЕДИЦИНЕ (МедКИИ 2022) .
Докладчик
Загрязкина Татьяна Александровна,младший научный сотрудник ООО «ГаммамедСофт», Москва



Загрязкина Т.А. (1), Долотова Д.Д. (1,2), Благосклонова Е.Р. (1), Рамазанов Г.Р. (4), Муслимов Р.Ш. (4), Архипов И.В. (3), Гаврилов А.В. (3)
1 - ООО «Гаммамед-Софт», 2 – ФГАОУ ВО РНИМУ им. Н.И. Пирогова, 3 – МГУ им. М.В. Ломоносова, 4 – НИИ СМП им. Н.В. Склифосовского
Актуальность. Острые нарушения мозгового кровообращения (ОНМК) являются второй ведущей причиной смертности и инвалидизации в мире, а в структуре ОНМК преобладают ишемические инсульты. Ключевую роль в поддержании жизнеспособности ишемизированной области головного мозга (ГМ) играет коллатеральный статус пациента. По изображениям компьютерно-томографической ангиографии (КТА) врач может лишь визуально оценить состояние крупных сосудов ГМ, в то время как количество и состояние сосудов мелкого калибра (коими и являются коллатерали) зафиксировать человеческим глазом невозможно. Современные методы обработки медицинских изображений (такие, как радиомика и метод скелетонизации сосудистых ветвей) позволяют извлечь из КТА- изображений дополнительную информацию. Анализ данных, полученных из изображений КТА, может позволить прогнозировать течение ИИ, основываясь на состоянии коллатерального кровотока пациента.
Цель. Целью данного исследования являлось построение прогностической моделей течения ИИ с использованием метода деревьев решений на основе данных КТА.
Материалы и методы. Выборка, использованная в работе, состояла из 121 пациента (58 мужчин, 63 женщины), поступившего в острейшем периоде ИИ. Каждому пациенту при поступлении была проведена КТА. С помощью мультимодальной рабочей станции Gamma MultiVox к DICOM-сериям был применен фильтр сосудистости и метод автоматической сегментации сосудистого дерева, затем были рассчитаны 69 показателей радиомики и 84 морфометрических показателя. В работе для построения деревьев решений был использован алгоритм CRT. Минимальное количество наблюдений в узле-отце принималось равным 25, в листе – 10. При оценке точности применялась кросс-проверка с количеством подвыборок, равным 10. Благоприятным вариантом течения считался регресс неврологической симптоматики по шкале NIHSS от 3 баллов и более.
Результаты и обсуждение. В результате работы алгоритма было получено дерево решений, состоящее из 4 узлов. Главным узлом при классификации пациентов алгоритмом был выбран признак, характеризующий медиану распределения радиуса сосудов. При разнице более одного процента пациент был классифицирован в узел с признаком, описывающим количество трубочек с малой длиной. Если различие между интактным и пораженным полушариями было более чем на треть, то пациент с вероятностью в 85% был отнесен к группе с неблагоприятным исходом. Таким образом, алгоритм в первом и втором узлах дифференцировал пациентов с большей вероятностью неблагоприятного исхода от пациентов с меньшей вероятностью благоприятного исхода. Так, среди пациентов, попавших в предпоследний узел с признаком, описывающим локальную неоднородность изображения, вероятность благоприятного исхода составляла уже более 44%. В последнем узле находится признак «тип лечения», описывающий выбор типа лечения – консервативного или оперативного. При выборе консервативного типа лечения вероятность благоприятного исхода составила 66%, а при оперативном типе лечения – 96%.
Выводы. На основе деревьев решений была построена прогностическая модель течения ИИ, которая позволила на основе 3 биомаркеров (один из которых характеризовал трубочки с малой длиной, являющиеся коллатеральными сосудами) и одного клинического показателя прогнозировать характер течения ИИ с точностью 76,9%, чувствительностью 73,1% и специфичностью 83,7%.

Раздел: Презентации