Creating Tailored Post-Resuscitation Care Based on Brain Injury Severity with AI Imaging

点击翻译按钮获取中文摘要

本研究は関連するガイドラインおよび規則に従い、東京大学医学部附属病院の施設審査委員会（文献番号2018082NI）により承認された。2017年から2019年の間に防衛医科大学校、京都医療センター、京都第一赤十字病院で自己心拍再開後に頭部CTを撮影した93名の院外心肺停止患者の臨床データと頭部CTデータをレトロスペクティブに収集した。外傷または脳損傷を呈する患者は調査対象から除外された。CT画像に金属や骨のアーチファクトがひどく広がっていたため、7人の患者のデータを調査から除外した。そのため、本研究では86名のCA患者のデータを使用した。これらのCA患者の90日後の神経学的予後をGlasgow-Pittsburgh cerebral performanceに基づき評価し、31名、1名、2名、13名、39名がそれぞれCPC1、2、3、4、5を示した。CPCが2までが神経学的予後良好と定義し、32人の患者が予後良好で、残りの54人を予後不良と定義した。さらに下記の概要で解析を開始した。VOIの設定には2つの戦略を採用した。まず、脳CT画像にVOI（Volume of Interest）を設定し、QIBs（特徴量）を抽出した。続いて、前処理を行った後、1170個のQIBを算出し、原画と変換後のCT画像のVOIで確認した。QIBは、1次ヒストグラムとテクスチャ関数で構成されている。さらに、訓練セットを用いた特徴選択アルゴリズムにより、分類のための代表的なQIBを選択した。最後に、単変量解析では、テストセットにおける各代表的なQIBの分類性能を評価した。多変量解析では、トレーニングセットを用いて機械学習モデルを構築し、その性能をテストセットで評価した。