影像联合临床及实验室的定量指标模型对动脉瘤性蛛网膜下腔出血伴脑室出血的预后预测的性能分析

作者：梁静静; 张志强; 张其锐; 李楚妍; 郑丽娟; 卢光明^*

来源：中华医学杂志, 2023, 103(11).

• 放射学
• 头颅CT
• 动脉瘤性蛛网膜下腔出血
• 脑室出血
• 预后
• 机器学习
• 横断面研究

目的探究影像定量指标模型、临床-实验室指标模型及影像-临床多维度融合模型预测动脉瘤性蛛网膜下腔出血(aSAH)伴脑室出血(IVH)患者预后的性能。方法回顾性收集2010年1月至2019年12月东部战区总医院行头颅平扫CT诊断为aSAH伴IVH的349例患者资料, 其中男122例, 女227例, 年龄22～85(59±11)岁;据此为数据集1构建预后模型, 对患者出院12个月后的功能恢复情况使用改良Rankin量表(mRS)进行评估, 根据结果分为两组:预后良好组(267例)和预后不良组(82例)。另收集2020年1月至2021年12月东部战区总医院诊断为aSAH伴IVH的63例患者资料, 其中男27例, 女36例, 年龄32～87(61±12)岁;据此为数据集2对模型进行独立验证, 其中预后不良的患者30例。记录所有患者(数据集1和数据集2)的临床资料(年龄、性别)、实验室指标(血常规、血生化检查)以及影像定量指标(在头颅CT平扫中勾画并提取的各个脑室出血区域的体积、密度、形状等)。通过L1正则化对数据集1中临床、实验室及影像定量指标进行筛选, 使用多元logistic 回归方法分别构建临床-实验室指标模型、影像定量指标模型和影像-临床多维度融合模型, 依据临床-实验室指标模型、影像定量指标模型中特征的权重系数值进行排序筛选出主要特征。采用五折交叉验证进行模型的训练和内部验证, 并在数据集2中进行模型的独立验证。结果基于数据集1构建的临床-实验室指标模型、影像定量指标模型和多维度融合模型的曲线下面积(AUC)分别为0.75(95%CI:0.69～0.81)、0.68(95%CI:0.61～0.74)和0.86(95%CI:0.82～0.91)。Delong检验显示多维度融合模型性能与单一临床-实验室指标模型或影像定量指标模型间差异均具有统计学意义(均P<0.05)。数据集2的临床-实验室指标模型、影像定量指标模型及多维度融合模型的AUC分别为0.79(95%CI:0.68～0.91)、0.70(95%CI:0.57～0.83)、0.81(95%CI:0.70～0.92)。此外, 基于数据1构建临床-实验室指标模型和影像定量指标模型中, 患者年龄、入院时Hunt-Hess分级、中性粒细胞/淋巴细胞(N/L)(临床-实验室指标模型中权重系数值分别为1.00、-0.59、0.44)和第三脑室出血密度标准差、第四脑室出血最小密度以及左侧脑室球形度(影像定量指标模型中权重系数值分别为-1.00、0.85、-0.84)是其筛选的主要特征。结论脑室出血的影像定量指标(第三脑室出血密度标准差、第四脑室出血最小密度以及左侧脑室球形度)有助于预测aSAH伴IVH患者不良预后, 联合临床信息及实验室指标构建的多维度融合模型对预测患者不良预后价值更大。

• 单位
  徐州医科大学