人工智能联合脑梗死体积预测醒后卒中患者预后不良的价值

摘要

目的 探讨人工智能Alberta卒中项目早期CT评分(ASPECTS)联合弥散加权成像(DWI)脑梗死体积预测醒后卒中(WUS)患者预后不良的价值。方法 选取2022年9月—2023年6月开封市中心医院收治的100例未知时间窗醒后急性缺血性卒中患者为研究对象，均行急诊头颅非对比增强CT与磁共振成像(MRI)扫描，后续接受再灌注治疗。治疗后随访3个月，依据改良Rankin量表(mRS)评分将患者分为预后良好组(mRS≤2分)和预后不良组(mRS>2分),比较2组基线资料、ASPECTS及DWI脑梗死体积。采用多因素Logistic回归分析筛选影响预后的因素，通过受试者工作特征(ROC)曲线评估人工智能ASPECTS联合DWI脑梗死体积的诊断效能。结果 随访3个月后，患者预后不良率为32.00%(32/100)。预后不良组入院时人工智能ASPECTS低于预后良好组，DWI脑梗死体积大于预后良好组，差异有统计学意义(P<0.05)。多因素Logistic分析结果显示，年龄(OR=2.190, 95%CI:1.412～3.398)、血压变异(OR=1.726, 95%CI:1.192～2.500)、入院时同型半胱氨酸水平(OR=1.902, 95%CI:1.268～2.854)、入院时D-二聚体水平(OR=2.275, 95%CI:1.274～4.064)、入院时白细胞计数(OR=2.614, 95%CI:1.484～4.606)、入院时中性粒细胞与淋巴细胞比值(OR=2.921, 95%CI:1.350～6.323)、入院时美国国立卫生研究院卒中量表评分(OR=3.171, 95%CI:1.754～5.731)及入院时DWI脑梗死体积(OR=3.586, 95%CI:1.634～7.869)为预后不良的影响因素，人工智能ASPECTS高为保护因素(OR=0.534, 95%CI:0.352～0.810,P<0.05)。联合预测模型的灵敏度、特异度、曲线下面积分别为96.88%、85.29%、0.947,其中灵敏度与AUC均高于单独预测(P<0.05),特异度与单独预测相当。结论 人工智能ASPECTS与DWI脑梗死体积联合应用可显著提升WUS患者预后不良的预测效能，为临床决策提供更精准的预后评估工具，具有指导个性化治疗的价值。

关键词

醒后卒中 / Alberta卒中项目早期CT评分 / 弥散加权成像 / 梗死体积 / 预后 / 再灌注治疗 / 灵敏度 / 特异度