基于LASSO-随机森林算法的急性脑梗死血管内介入治疗术后出血转化预测模型的构建

摘要

目的 基于LASSO-随机森林算法构建急性脑梗死（ACI）患者血管内介入治疗术后出血转化的预测模型，并验证其性能。方法 选取2021年1月—2024年12月河源市人民医院收治的400例行血管内介入治疗的ACI患者作为研究对象，采用完全随机抽样，按7∶3的比例将患者随机分为建模组（280例）和验证组（120例）。收集患者临床资料，采用LASSO回归分析从中筛选关键变量进行多因素一般Logistic回归分析，以筛选出独立危险因素，据此采用随机森林算法构建ACI血管内介入治疗术后出血转化预测模型，分别采用受试者工作特征曲线（ROC）和决策曲线分析（DCA）验证模型的预测性能和临床效用。结果 该研究纳入的ACI患者术后出血转化发生率为17.00%（68/400）。LASSO回归分析结果显示，基于λ_1se，该研究从32个变量中共计筛选出关键变量12个，据此进行多因素一般Logistic回归分析，结果显示：房颤[OR=4.308（95%CI:1.688,10.998）]、术前SBP水平升高[OR=1.036（95%CI:1.012,1.062）]、PLT水平降低[OR=0.979（95%CI:0.968,0.991）]、CRP水平升高[OR=1.140（95%CI:1.034,1.257）]、桥接治疗[OR=3.060（95%CI:1.262,7.423）]、PTR延长[OR=1.059（95%CI:1.021,1.098）]、取栓次数增多[OR=3.030（95%CI:1.607,5.711）]、使用2种抗栓药物[OR=3.985（95%CI:1.551,10.236）]、抗栓药物采用负荷剂量[OR=5.149（95%CI:1.845,14.375）]均为ACI血管内介入治疗术后出血转化的独立危险因素（P<0.05）。ROC曲线分析结果显示，建模组和验证组曲线下面积分别为0.884（95%CI:0.832,0.935）和0.876（95%CI:0.813,0.938）。HosmerLemeshow检验结果显示，两组的模型预测值与实际值比较，差异均无统计学意义（P >0.05）。DCA曲线分析结果显示，在高风险阈值0.05～1.00内，采用随机森林模型对患者进行干预，可获得更高的标准化净收益。SHapley Additive exPlanations分析结果显示，抗栓药物剂量对模型预测的贡献最大，且低特征值会增加出血转化风险；个体预测路径显示，该患者基线风险为0.0496，经各因素累加后最终风险为0.0140。结论 该研究构建的预测模型能较准确地预测ACI患者血管内介入治疗术后出血转化的发生，可为患者术后治疗方案的制订提供参考依据。

关键词

急性脑梗死 / 血管内介入治疗 / 出血转化 / LASSO回归 / 随机森林算法

基金资助

广东省医学科学技术研究基金项目(B2025210); 河源市科技计划项目(河科社发2025198)