Prediction of hemorrhagic transformation in acute ischemic stroke patients using clinico-radiomics models
8.0
来源：
Nature
关键字：
deep learning brain science
发布时间：
2025-11-05 07:41
摘要：
本研究开发了一个结合放射组学特征与临床评分系统的临床-放射组学模型，以提高急性缺血性中风患者出血转化的预测准确性。通过对918名患者的回顾性分析，模型在内部和外部验证集中均显示出优越的预测性能，AUC值分别达到0.79和0.85。研究结果表明，该模型在临床决策中具有潜在的应用价值，能够帮助医生更好地识别高风险患者并优化管理策略。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+核心领域符合度
business_impact
1.0分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
研究开发并验证了临床-放射组学模型以预测急性缺血性中风患者的出血转化。
模型在内部和外部验证集中均表现出优越的预测性能。
结合放射组学特征与临床变量显著提高了预测准确性。
真实性检查
否
AI评分总结
本研究开发了一个结合放射组学特征与临床评分系统的临床-放射组学模型，以提高急性缺血性中风患者出血转化的预测准确性。通过对918名患者的回顾性分析，模型在内部和外部验证集中均显示出优越的预测性能，AUC值分别达到0.79和0.85。研究结果表明，该模型在临床决策中具有潜在的应用价值，能够帮助医生更好地识别高风险患者并优化管理策略。