基于临床特征与影像组学特征构建的联合模型对小动脉闭塞型及心源性栓塞型缺血性脑卒中的鉴别研究

摘要

目的 探讨基于临床特征与影像组学特征构建的联合模型对小动脉闭塞型(SAO)及心源性栓塞型(CE)急性缺血性脑卒中(AIS)亚型鉴别的应用价值。方法 回顾性收集2023年4月至2024年4月在新疆医科大学第一附属医院神经内科收治的AIS患者384例，将患者随机按照7∶3的比例分为训练集(n=269)与验证集(n=115)。采用单因素及多因素Logistic回归筛选变量，采用数坤线上科研平台对弥散加权成像(DWI)高信号梗死区进行图像分割及标注，利用PyRadiomics开源软件进行影像组学特征提取，并使用最小绝对收缩和选择算子回归(LASSO)进行特征选择，分别构建临床特征、影像组学特征、联合特征模型。采用受试者工作特征(ROC)曲线下面积(AUC)、校准曲线及决策分析曲线评判各模型的预测效能。结果 单因素分析结果显示，SAO型与CE型AIS高密度脂蛋白、胆固醇、美国国立卫生研究院卒中量表(NIHSS)评分、空腹血糖、同型半胱氨酸、心房颤动、高血压等临床指标比较差异均有统计学意义(P<0.05)。将上述指标进一步进行多因素Logistic回归分析，结果显示，心房颤动、高血压，高同型半胱氨酸为SAO及CE型AIS发病的独立危险因素(P<0.05),高密度脂蛋白及胆固醇为保护因素。临床模型在区分SAO及CE型AIS的训练集AUC为0.832,验证集AUC为0.829;影像组学模型训练集AUC为0.870,验证集AUC为0.835;联合模型训练集AUC为0.920,验证集AUC为0.907。各模型之间AUC比较，差异均有统计学意义(P<0.05)。结论 本研究构建的联合模型相较于临床特征模型及影像组学模型表现更优，能够有效预测SAO型及CE型AIS患者，可为临床医务工作者针对这两类AIS患者制定个体化治疗决策提供参考依据。

关键词

急性缺血性脑卒中 / 影像组学 / 小动脉闭塞型 / 心源性栓塞型 / 模型