基于扩散张量成像定量分析预测植物状态患者预后

摘要

目的：探讨预后不同的植物状态（VS）患者脑白质纤维束的结构完整性差异，构建预后预测模型，以在疾病稳定后早期预测患者1年后的预后。方法：回顾性分析南方医科大学珠江医院康复医学科收治的52例VS患者，根据1年随访的修订版昏迷恢复量表（CRS-R）评分将患者分为预后良好组（n=22）和预后不良组（n=30）。采用扩散张量成像技术提取患者脑白质纤维束的各向异性分数（FA），首次将CRS-R的视觉评分与FA值结合作为模型的输入特征。为优化模型构建，采用LASSO筛选特征，并运用合成少数类过采样技术进行数据平衡处理，最终基于支持向量机（SVM）算法，采用留一交叉验证构建预后预测模型，并通过综合评估受试者工作特征曲线下面积（AUC）、灵敏度、准确率、特异性和F1分数等指标全面评估模型效能。结果：经LASSO特征筛选后，脑桥横束、内侧丘系、绒毡层、胼胝体压部和视觉评分被确定为关键预测指标，基于上述特征构建的多模态SVM预测模型可有效预测VS患者的1年预后，其预测效能达到较高水平（AUC=0.894）。结论：结合特定白质纤维束FA值与视觉评分的SVM模型对预测VS患者1年后预后具有较好的预测效能。

关键词

植物状态 / 分数各向异性 / 支持向量机 / 扩散张量成像

基金资助

国家自然科学基金（82171174,82371184）