原始文章

這項研究開發了一個機器學習模型,預測接受機械性血栓切除術的患者在治療前出現症狀性顱內出血的風險。研究分析了497名患者的數據,並將其分為訓練集和測試集。結果顯示,XGBoost模型在測試集中的表現最佳,AUC達到0.79,明顯優於邏輯回歸及其他臨床預測模型。SHAP分析指出,sICH的關鍵預測特徵包括較低的ASPECTS分數和較高的NIHSS分數。整體來看,這個機器學習模型在預測準確性上超越了傳統方法。 PubMed DOI


站上相關主題文章列表

研究發現ChatGPT語言模型在中風患者中預測功能性結果表現優異,特別是對於治療效果好、閉塞遠、時間短的患者。將這樣的人工智慧模型應用在臨床上,有助於提升中風患者的護理品質。 PubMed DOI

這篇論文回顧了人工智慧(AI)在缺血性中風影像學的進展,強調其在自動分割梗塞區域、大血管阻塞檢測及預測中風結果的應用。研究指出,機器學習(ML)和深度學習(DL)能提升診斷準確性,但仍面臨數據不足、模型可解釋性差及需即時更新等挑戰。此外,論文探討了大型語言模型的潛力,並強調建立大型公共數據庫的重要性。總之,儘管AI在缺血性中風管理上有潛力,但克服技術與實際挑戰對於臨床應用至關重要。 PubMed DOI

這項研究評估了大型語言模型(LLMs),特別是GPT-3.5和GPT-4,在院前篩檢急性缺血性中風(AIS)和大血管阻塞(LVO)的效果。研究在茂名市人民醫院進行,分析了400份急診病歷。結果顯示,GPT-4在AIS和LVO的篩檢準確率上均優於GPT-3.5,特別是在神經推理和事實正確性方面表現更佳。整體來看,GPT-4有潛力成為急救醫療服務中有效的決策支持工具,可能改善及時介入的效果。 PubMed DOI

這項研究評估了大型語言模型(LLMs)在急性缺血性中風(AIS)患者的手術記錄中提取數據的有效性。分析了382份手術記錄,重點在30份,以指導LLMs提取關鍵特徵。六種LLMs的表現良好,平均準確率達95.09%,整體準確率為78.05%。GLM4和GPT-4在進階特徵提取上表現突出,準確率分別為84.03%和82.20%。LLMs的數據處理速度也顯著快於醫師,顯示出在AIS治療中改善臨床數據管理的潛力。 PubMed DOI

惡性腦水腫會導致腦部腫脹,壓迫中線結構,通常在中風後的第一週內發生。早期介入如高滲透療法或外科減壓能減輕損傷,但需謹慎進行。為了有效評估水腫進展,我們開發了動態機器學習模型HELMET,能實時預測中線位移的嚴重程度。HELMET包含HELMET-8和HELMET-24兩個模型,分別預測8小時和24小時內的變化,並在多個病人數據上驗證,準確率高達96.6%。這項研究提供了一個新框架,能即時估算臨床目標,對於有限的結構化數據也能有效運用。 PubMed DOI

這項研究評估了AtlasGPT和ChatGPT 4.0在預測動脈瘤性蛛網膜下腔出血(aSAH)患者的準確性,並與傳統臨床評估量表比較。研究包含82名患者,結果顯示住院死亡率為22%,34.1%需進行減壓性半顱切除手術。出院時28%患者有良好結果,六個月後提升至46.9%。AtlasGPT在預測手術需求方面表現最佳(AUC 0.80),而WFNS量表在長期功能預測上最為準確(AUC 0.76)。研究建議結合AI模型與傳統量表可提升預測準確性。 PubMed DOI

本研究探討AI模型ChatGPT-4 Omni在非對比電腦斷層掃描影像中檢測顱內出血的有效性。分析240個案例後,發現該模型在識別影像模式上達到100%準確率,但在ICH檢測的準確率為68.3%。敏感性為79.2%,特異性57.5%。在第二次評估中,準確率提升至73.3%。雖然模型在識別影像模式和檢測ICH方面有潛力,但在出血定位和分類上仍有不足,建議進一步訓練以提升其醫療應用表現。 PubMed DOI

這項研究探討了大型語言模型(LLMs)在急性缺血性中風(AIS)病例中的應用,特別是機械性血栓切除術(MT)的適應性。研究分析了100名AIS患者的數據,LLM根據放射學報告、神經症狀、發病資訊和患者年齡進行判斷。結果顯示,該AI模型的整體準確率達88%,特異性96%,敏感性80%,曲線下面積為0.92,顯示出LLMs在整合醫療數據方面的潛力,並鼓勵進一步探索其在臨床的應用。 PubMed DOI

這項研究開發了一個中風診斷與預測工具,利用ChatGLM-6B大型語言模型,透過分析電子健康紀錄和非對比電腦斷層掃描報告中的自由文本,來提升中風的檢測與治療。研究使用了1,885名患者的數據進行訓練和驗證,並在335名患者的外部測試中進行評估。結果顯示,內部驗證準確率高達99%,外部測試則為95.5%和79.1%。該模型在識別缺血性和出血性中風方面表現優異,並有潛力改善中風識別及患者預後。 PubMed DOI

腦血管疾病是全球第二大死亡原因,對殘疾影響深遠。本研究探討GPT-4在急診科神經科醫師處理急性缺血性中風的有效性,分析其建議與專家意見及實際治療結果的比較。研究回顧100名急性中風患者,結果顯示GPT-4的建議與專家意見高度一致,特別是在血管內血栓切除術方面表現優異。GPT-4在死亡預測上也表現良好,顯示其作為臨床決策支持工具的潛力,但也需注意其建議的侵略性,強調人類監督的重要性。未來需進一步驗證這些發現。 PubMed DOI