《Diagnostics (Basel)》杂志 2023年12月 22日在线发表秘鲁利马Universidad Nacional de Ingeniería的Mirko Jerber Rodríguez Mallma , Marcos Vilca-Aguilar , Luis Zuloaga-Rotta , 等撰写的《机器学习方法分析立体定向放射外科治疗(SRS)脑动静脉畸形(AVM)患者后3年的预后。Machine Learning Approach for Analyzing 3-Year Outcomes of Patients with Brain Arteriovenous Malformation (AVM) after Stereotactic Radiosurgery (SRS)》（doi: 10.3390/diagnostics14010022.）。
脑动静脉畸形(AVM)是一种不规则连接动脉和静脉的异常血管缠结。立体定向放射外科(SRS)已被证明是一种有效的治疗AVM患者，但与AVM闭塞相关的因素仍然是一个有争议的问题。在本研究中，我们旨在建立一个模型，可以预测AVM患者在干预后36个月是否会被治愈，并确定最重要的预测因素，解释治愈的可能性。使用决策树(DT)和逻辑回归(LR)技术对2005年至2018年期间在Radiocirugía del Perú研究所(IRP)接受SRS治疗的202名AVM患者的历史数据(社会人口统计学、临床、治疗、血管构建和放射外科手术)应用机器学习(ML)方法。LR模型预测AVM治愈效果最佳，准确率为0.92，敏感性为0.93，特异性为0.89，曲线下面积(AUC)为0.98，表明ML模型适用于预测AVM等疾病的预后，可作为医疗决策的辅助工具。此外，我们还确定了几个因素，可以解释AVM患者是否在36个月时治愈的可能性最大:AVM的位置、患者的职业和出血的存在。
脑动静脉畸形(AVM)是一种先天性神经系统疾病，可引起脑出血、癫痫发作或头痛。它由允许脑动静脉直接连接的毛细血管网络发育不良导致的脑血管扩张的异常缠结组成。自20世纪70年代以来，除了显微手术和血管内治疗外，已知的一种治疗方法是立体定向放射外科(SRS)，其中通过多束定向辐射使AVM因放射性坏死而消失。从医学角度来看，SRS治疗是一种不需要切口的神经外科技术，可作为非侵袭性治疗的替代或补充。AVM患者行SRS治疗的愈合过程不是立即的，需要时间的临床和影像学监测来了解疾病的发展。对于较小的病变，放射外科成功排除脑AVM的几率要高得多。例如，有研究表明，对于直径≤2.5 cm的脑AVM患者，SRS治疗后的闭塞率在54-92%之间。几种评分系统，如Spetzler-Martin分级量表(SMGS)和Virginia放射外科AVM量表(VRAS)，目前被医生用于了解AVM的性质和预测放射外科治疗的结果。然而，需要开发新的方法来预测放射外科治疗的结果并确定影响成功概率的因素。
机器学习(ML)是人工智能(AI)的一个子集，它使用自动“学习”的算法来识别数据中的模式，并根据这些模式进行预测。将这些算法作为医疗决策的支持工具及其在疾病的预后、诊断和治疗中的应用最近得到了发展;但是，由于存在一定的条件，使得其难以被广泛采用。应用ML技术预测和诊断神经和脑部疾病的研究中，Uspenskaya-Cadoz等提出了一种应用logistic回归(LR)、决策树(DT)、随机森林(RF)和梯度增强树(GBT)技术诊断阿茨海默病(AD)的方法，Ghafouri-Fard等的研究。提出利用人工神经网络(ANN)预测基于基因型的多发性硬化症(MS)风险。目前，ML技术在AVM的诊断、预后或治疗中的应用越来越多。可以发现一些有趣的研究，如Tao等研究了影响AVM出血风险的因素，Hong等报道了一项使用数字减影血管造影(DSA)图像检测AVM出血的实验。也有关于使用深度学习模型的研究，这是一种专门用于图像处理的机器学习;例如，Wang等在计算机断层扫描(CT)和DSA图像中自动分割和识别AVM。其他研究关注的是动静脉畸形患者手术后的预后，目的是预测他们是否会被治愈。例如，Asadi等提出了一项关于确定影响血管内栓塞治疗结果的因素的研究，并表明ML技术可以令人满意地预测结果，准确率高，并有助于根据关键预测因子进行个性化治疗。最后，Oermann等使用ML方法预测AVM患者接受放射手术的预后，准确率为0.74，被认为是截至本文发表之日为止的最佳预后结果。然而，在这些前期研究中发现的预测错误率较高(大于25%)，并且他们没有通过评估变量的重要性来研究可解释性现象，而这是医疗决策的关键。从这些先前的研究来看，ML算法是可以用于医学领域的强大工具，在本研究中，我们的目标不仅是提供一种ML方法来预测接受SRS的AVM患者是否会治愈，而且可以确定影响这些患者在放疗后36个月是否会治愈的主要因素。
受ML技术在医学上应用的启发，特别是针对AVM患者的预后，本研究提出了一种方法，可以预测AVM患者在接受SRS治疗后36个月是否可以治愈。我们发现使用ML技术对AVM患者的预后是可能的。我们的方法包括使用两个ML模型和两个数据集(不平衡和平衡数据)评估四种场景。在按照标准流程建立ML模型后，其中也应用了过采样，网格搜索和交叉验证技术，发现预测AVM患者是否会治愈的最佳模型是使用平衡数据训练的LR模型(准确率0.92,AUC 0.98)。即使在数据不平衡的情况下，LR模型也优于DT模型，如表6所示。在本研究中执行的数据预处理(选择变量和平衡)导致两个模型(DT和LR)的结果明显高于数据未预处理时的结果，因此我们可以认为，数据预处理应该包含在使用ML模型的任何方法中。此外，本研究获得的结果(准确率0.92,AUC 0.98)优于其他采用类似方法的研究结果，如Oermann等和Meng等的研究结果，他们的准确率分别为0.74和0.83,AUC分别为0.71和0.77。
从临床角度来看，本研究使用的数据对于放射外科方案具有可接受的均匀性:AVM直径2.14 cm (SD = 0.89)，应用辐射剂量17.86 Gy (SD = 4.44)，等中心数1.35 (SD = 0.56);所有这些，再加上其他技术和形态学因素，使得ML技术能够有效地应用于个体化的avm，从而对放射外科治疗产生积极的反应。LR模型是最能预测SRS结果的模型，对决定患者是否治愈有积极影响的变量是(1)基底神经节的位置，这与以往的研究一致；此外，AVM在大脑左侧的位置是一个重要因素，因为样本不是完全随机的;(2)发生在基底节节或中脑水平的深静脉引流，由于涉及高风险，被认为不能用其他技术治疗;(3)职业性群体，即儿童和青少年群体，他们往往对放射手术有良好的反应，这是意料之中的，也与其他研究的结果相吻合。此外，需要强调的是，AVM的出血史和既往手术治疗是关键的预后因素，正如我们的研究所显示的那样，71例(35.14%)患者既往接受过常规神经外科手术、栓塞或两者同时进行的治疗，这有助于通过缩小AVM的大小或改变残余AVM的血流动力学来改善AVM的良好预后，最终有利于其愈合。
本研究结果的重要性超越了使用该方法对AVM患者的医学预后的可能性;它还允许我们确认，通过使用历史数据来预测未来，在医学中使用ML模型(被理解为可推广的框架)是可能的。我们相信，以个性化方式处理临床和成像数据的ML算法可以有效地帮助决策，预测哪些脑AVM患者可以通过立体定向放射手术治疗而受益。在这个案例中，我们使用了超过14年的历史信息，从中收集了社会人口统计和医学数据，构建了一个ML系统，该系统取得了非常好的预测结果，可以作为医疗专业人员在处理新的AVM病例时决策的工具。
最后，所提出的AVM患者能否治愈的预后和可解释性方法没有局限性;然而，这些模型的结果仅限于本研究使用的数据集，因此其在医学实践中的应用需要更多的实验和更大的数据量，并且还需要评估纳入其他医学变量的可能性。此外，值得注意的是，本研究中使用的两个ML模型被认为是透明模型，或“白盒”模型，其结果易于解释；然而，将可解释性与更复杂的可解释性技术(如局部可解释模型不可知论解释(LIME)、Shapley加性解释(SHAP)等)进行对比是很重要的，这些技术专注于识别任何类型ML的最重要预测因子。
