机器学习算法预测颅内动脉瘤破裂风险：一项系统综述

目的：蛛网膜下腔出血是颅内动脉瘤破裂的潜在致命后果，但难以预测动脉瘤是否会破裂。颅内动脉瘤的预防性治疗也涉及风险，因此识别易破裂动脉瘤具有重要的临床意义。本系统综述旨在评估机器学习算法预测颅内动脉瘤破裂风险的性能。方法：检索MEDLINE、Embase、Cochrane Library和Web of Science，检索截止至2023年12月。纳入使用任何机器学习算法预测颅内动脉瘤破裂风险的研究。使用预测模型偏倚风险评估工具（PROBAST）评估偏倚风险。PROSPERO注册号：CRD42023452509。结果：在筛选的10,307条记录中，20项研究符合本综述的纳入标准，共纳入20,286个动脉瘤病例。机器学习模型的性能准确率范围为0.66–0.90。六项研究将模型与当前临床标准进行了比较，结果不一。大多数研究存在高或不清楚的偏倚风险和应用性顾虑，限制了从中得出的推论。由于数据不够同质，无法进行荟萃分析。结论：机器学习可应用于预测颅内动脉瘤破裂风险。然而，现有证据并未全面证明其优于现有实践，这限制了其作为临床辅助工具的作用。在临床应用之前，需要进一步开展前瞻性多中心研究对近期机器学习工具进行临床验证。