Treatment Outcome Prediction for Intracerebral Hemorrhage via Generative Prognostic Model with Imaging and Tabular Data

要約

脳内出血 (ICH) は、脳卒中の中で 2 番目に一般的で最も致死率の高いものです。
医学の進歩にもかかわらず、ICH の治療結果を予測することは依然として課題です。
この論文では、ICH の治療結果を予測するために画像データと表形式データの両方を利用する新しい予後モデルを提案します。
私たちのモデルは、非ランダム化比較試験から収集された観察データに基づいてトレーニングされており、治療成功の信頼できる予測を提供します。
具体的には、変分オートエンコーダーモデルを使用して低次元の予後スコアを生成することを提案します。これにより、非ランダム化比較試験から生じる選択バイアスに効果的に対処できます。
重要なのは、画像データ、非画像臨床データ、および治療割り当てからの情報を組み合わせて予後スコアを正確に生成する変分分布組み合わせモジュールを開発していることです。
私たちは、脳内出血の現実世界の臨床データセットに対して広範な実験を実施しました。
私たちが提案した方法は、既存の最先端のアプローチと比較して、治療結果の予測が大幅に向上していることを示しています。
コードは https://github.com/med-air/TOP-GPM で入手できます。

要約(オリジナル)

Intracerebral hemorrhage (ICH) is the second most common and deadliest form of stroke. Despite medical advances, predicting treat ment outcomes for ICH remains a challenge. This paper proposes a novel prognostic model that utilizes both imaging and tabular data to predict treatment outcome for ICH. Our model is trained on observational data collected from non-randomized controlled trials, providing reliable predictions of treatment success. Specifically, we propose to employ a variational autoencoder model to generate a low-dimensional prognostic score, which can effectively address the selection bias resulting from the non-randomized controlled trials. Importantly, we develop a variational distributions combination module that combines the information from imaging data, non-imaging clinical data, and treatment assignment to accurately generate the prognostic score. We conducted extensive experiments on a real-world clinical dataset of intracerebral hemorrhage. Our proposed method demonstrates a substantial improvement in treatment outcome prediction compared to existing state-of-the-art approaches. Code is available at https://github.com/med-air/TOP-GPM

arxiv情報

提供元, 利用サービス

arxiv.jp, Google