Predicting Intracerebral Hemorrhage After Intravenous Thrombolysis in Acute Ischemic Stroke Using Machine Learning

Abstract

Intravenous thrombolysis (IVT) is an effective treatment for acute ischemic stroke. However, it poses the risk of intracerebral hemorrhage (ICH). This study aimed to predict the occurrence of ICH after IVT using four machine learning (ML) models (logistic regression, random forest, support vector machine, and extreme gradient boosting models). A total of 109 patients were enrolled, with 15 developing ICH. The analysis included 36 variables. Patients who developed ICH exhibited lower Alberta Stroke Program Early Computed Tomography (ASPECT) scores and platelet counts and had higher National Institutes of Health Stroke Scale (NIHSS) scores, and diastolic blood pressure (DBP). Furthermore, the incidence of collateral defects was higher in the ICH group. Three feature selection methods (heuristic, filter and wrapper) were tested with a random forest model to enhance ML model performance, with the filter method yielding the best results. Features selected based on their p-values were applied to ML models in sets of 3, 5, 7, and 10. The logistic regression model using five features (ASPECT score, presence of collateral defect, NIHSS score, platelet count, and DBP) demonstrated the best performance. Given the study’s small sample size and calibration curve analysis results, further investigation with a larger patient cohort is warranted.

정맥내 혈전용해술은 급성 허혈성 뇌줄중에서 효과적인 치료법이다. 그러나 정맥내 혈전용해술 시행 이후에는 뇌출혈 발생의 위험이 있다. 이 연구의 목적은 네 가지 기계학습 모델 (로지스틱 회귀, 랜덤 포레스트, 서포트 벡터 머신 그리고 XGBoost 모델)을 사용하여 정맥 내 혈전용해술 이후 뇌출혈의 발생을 예측하는 것이다. 총 109명의 환자가 등록되었으며, 이 중 15명의 환자에서 뇌출혈이 확인되었다. 분석에는 총 36가지의 변수가 포함되었다. 뇌출혈 발생 환자들은 ASPECT 점수와 혈소판 수치가 낮았고 뇌 컴퓨터 단층촬영 혈관조영술에서 혈류 결핍이 확인되었다. 또한 NIHSS 점수 및 확장기혈압이 뇌출혈 발생 환자들에서 높았다. 기계 학습 모델의 성능을 향상시키기 위해 세 가지 특성 선택 방법 (heuristic, filter, wrapper)이 랜덤 포레스트 모델에 적용되었으며, filter 방법이 가장 좋은 성능을 보였다. P-값에 기반하여 3개, 5개, 7개, 10개의 특성이 선택되었고, 이를 4가지 기계학습모델에 적용하였다. 최종적으로 ASPECT 점수, 혈류 공급의 장애, NIHSS 점수, 혈소판 수 및 확장기혈압을 활용한 로지스틱 회귀 모델이 평균 AUC 0.88로 가장 우수한 성능을 보였다. 그러나 표본의 크기가 작으며, 보정 곡선 분석 결과를 고려하였을 때, 보다 큰 환자 집단을 대상으로 한 추가 연구가 필요하겠다.