急性脑卒中预后预测模型：机器学习与传统回归模型的比较

作者：张穿洋; 朱文莉; 李晓冉; 陈国中; 彭明洋^*

来源：中国ct和mri杂志, 2023, 21(07): 24-26.

• 卒中
• 机器学习
• 弥散加权成像
• 灌注加权成像
• 预后

目的 探讨多模态MRI的机器学习模型在预测急性脑卒中血管内治疗后预后中的价值并与传统回归模型进行比较。方法 对216例在南京市第一医院就诊的急诊脑卒中患者的临床及影像资料进行回顾性分析。应用多元logistic回归分析筛选卒中预后的预测因子，并构建卒中预后模型。提取并筛选多模态MRI图像病变区影像组学特征，通过支持向量机分类器建立预测卒中预后模型。比较传统回归模型及机器学习模型的效能。结果 logistic回归分析显示入院NIHSS评分、HIR、血管完全再通与卒中预后密切相关(P<0.05)。ROC分析显示logistic回归模型预测急性卒中预后的AUC为0.775。机器学习模型预测训练集患者预后的AUC达0.991；预测测试集患者预后的AUC达0.950。logistic回归模型与机器学习模型效能间存在统计学差异(Z=3.146;P<0.001)。结论 应用机器学习算法可较为准确的预测急性脑卒中血管内治疗后预后，明显优于传统回归模型，可为临床治疗方案制定提供指导。

• 单位
  南京市第一医院; 南京医科大学