基于扩散加权成像影像组学特征和临床因素构建急性前循环大血管闭塞性卒中机械取栓预后预测模型的价值分析
杨东
姚维和
朱武生
刘新峰
210002 南京大学医学院附属金陵医院(东部战区总医院)神经内科
摘要：目的 构建融合影像组学特征与临床因素的急性前循环大血管闭塞性卒中患者机械取栓(MT)术后预后的预测模型并分析其预测价值.方法 回顾性连续纳入急性前循环缺血性卒中血管内治疗登记数据库(ACTUAL)和南京卒中登记系统中2014年1月至2025年1月急性前循环大血管闭塞性卒中行MT的患者,收集患者的基线、临床及影像学资料,包括性别、年龄、既往史(心房颤动、高血压病、糖尿病)、吸烟史和入院收缩压、血糖、美国国立卫生研究院卒中量表(NIHSS)评分、Alberta卒中项目早期CT评分(ASPECTS)及闭塞血管(颈内动脉、大脑中动脉)、急性卒中Org 10172治疗试验(TOAST)分型(动脉粥样硬化型、心源性栓塞型、其他)、侧支循环情况[美国介入与治疗神经放射学会/介入放射学会(ASITN/SIR)分级]、发病至到院时间、发病至穿刺时间、手术时间、发病至血管再通时间、血管再通情况[改良脑梗死溶栓(mTICI)分级]、术后72 h症状性颅内出血、术后90d预后[改良Rankin量表(mRS)评分].将所有患者按7∶3划分为训练集和验证集,训练集用于预测模型构建,验证集用于预测模型验证.在训练集中将患者分为预后良好(mRS评分0～2分)组和预后不良(mRS评分3～6分)组.将两组单因素Logistic回归分析中P＜0.05的术前临床变量纳入多因素Logistic回归分析,筛选影响患者预后的临床危险因素.收集训练集患者术前头部MR轴位扩散加权成像,使用Python 3.6平台的Pyradiomics工具包进行影像组学特征提取,对提取的特征行一致性分析后予以标准化处理.在训练集中对提取处理后得到的影像组学特征值进行特征降维,采用最小绝对压缩和选择算子(LASSO)模型筛选特征,分别采用支持向量机(SVM)、k近邻、轻量级梯度提升机、随机森林及极限梯度提升算法将筛选得到的影像组学特征构建模型,各模型具体参数使用网格搜索交叉验证法获得.采用受试者工作特征(ROC)曲线分析并比较各影像组学模型的曲线下面积(AUC),筛选最合适的影像组学模型,并在验证集中验证,以该模型计算得到的对预后的预测概率值作为影像组学评分.在训练集中,将得到的影像组学评分及筛选出的临床危险因素作为自变量,以预后不良为因变量进行多因素Logistic回归分析,并采用列线图构建急性前循环大血管闭塞性卒中患者MT预后的影像组学+临床因素综合预测模型.分别在训练集和验证集中比较临床因素预测模型、影像组学预测模型及影像组学+临床因素综合预测模型的AUC.结果 共纳入急性前循环大血管闭塞性卒中行MT患者107例,男72例,女35例,年龄27～87岁,中位年龄64(56,71)岁.训练集74例,其中预后良好患者48例,预后不良患者26例;验证集33例,其中预后良好患者24例,预后不良患者9例.训练集患者入院NIHSS评分低于验证集患者[12(8,19)分比15(11,21)分,P=0.03],余基线、临床及影像学资料与验证集相比差异均无统计学意义(均P＞0.05).(1)将训练集中影响预后的单因素Logistic回归分析中差异有统计学意义的术前临床变量纳入多因素Logistic回归分析,结果显示,年龄(OR=1.066,95％CI:1.003～1.133,P=0.039)及入院NIHSS评分(OR=1.126,95％CI:1.028～1.233,P=0.011)为急性前循环大血管闭塞性卒中患者MT预后不良的独立危险因素.(2)共提取725个影像组学特征,观察者内一致性分析结果显示,影像组学特征中位组内相关系数(ICC)为0.75(0.56,0.87),ICC＞0.7的特征424个,ICC＞0.9的特征127个;观察者间一致性分析结果显示,影像组学特征的中位ICC为0.73(0.53,0.86).经LASSO降维后筛选出12个最强相关特征并纳入影像组学预测模型构建.应用SVM、k近邻、轻量级梯度提升机、随机森林及极限梯度提升算法分别构建的影像组学预测模型的AUC为0.803、0.890、0.969、1.000及1.000,其在验证集的AUC分别为0.769、0.743、0.817、0.792和0.799,选择SVM作为影像组学模型构建的最终算法.将影像组学数据输入SVM得到每例患者的影像组学评分.(3)以影像组学评分、年龄及入院NIHSS评分构建预测急性前循环大血管闭塞性卒中行MT患者预后的影像组学+临床因素综合预测列线图模型.训练集中影像组学+临床因素综合预测模型ROC曲线的AUC 为 0.918(95％CI:0.831～0.969),高于影像组学预测模型(AUC 为 0.803;95％CI:0.694～0.886,P=0.026)和临床因素预测模型(AUC 为 0.784;95％CI:0.674～0.872,P=0.009);验证集中影像组学+临床因素综合预测模型的AUC为0.935(95％CI:0.792～0.991),与影像组学预测模型(AUC 为 0.769;95％CI:0.589～0.897,P=0.111)和临床因素预测模型(AUC 为 0.894;95％CI:0.737～0.974,P=0.602)差异均无统计学意义.影像组学+临床因素综合预测模型在训练集和验证集中均显示出良好的校准度(Hosmer-Lemeshow检验,P值分别为0.350、0.580).结论 影像组学+临床因素综合预测模型可有效预测急性前循环大血管闭塞性卒中行MT患者预后,其或可为临床决策提供一定依据.
关键词：缺血性卒中机械取栓影像组学预测模型
资助基金：江苏省卫生健康委科研项目(H2023117)
论文发表日期：2025-09-18
在线出版日期：2025-10-28（本平台首次上网日期，不代表文献的发表时间）
页数：14( 587-600 )
英文信息