来源：期刊VIP网 时间：
作者：伊木然·苏比;帕哈提·吐逊江;艾尼卡尔江·艾合麦提;罕迦尔别克·库锟;徐蕊;韩秉艳;谢超;王云玲;
单位：新疆医科大学第一附属医院影像中心;新疆医科大学第七附属医院医学影像科;
摘要：目的 探究基于MRI的影像组学模型及临床因素模型对缺血性脑卒中溶栓后出血转化风险的价值。材料与方法 回顾性纳入并分析2个中心就诊的730例急性缺血性脑卒中（acute ischemic stroke, AIS）患者的临床及影像学资料。我们将中心1中的数据集的624例患者以7∶3的比例随机分为训练集（436例）与内部验证集（188例），对临床特征进行单因素多因素逻辑回归分析，筛选出与出血转化（hemorrhagic transformation, HT）有关的独立影响因素建立临床因素模型，基于MRI图像建立影像组学模型以及结合临床因素和影像组学特征的联合模型，预测AIS患者溶栓后发生HT的风险。中心2的106例患者数据用于外部验证。通过受试者工作特征（receiver operating characteristic, ROC）曲线及曲线下面积（area under the curve, AUC）评估模型的预测效能。为了比较不同模型之间AUC值差异是否有统计学意义，进一步采用DeLong检验进行统计分析，评估各模型之间的AUC差异的显著性。结果 ROC曲线分析显示，训练集中临床因素模型、影像组学模型及联合模型预测出血转化的AUC分别为0.810(95%CI:0.756～0.864)、0.896(95%CI:0.865～0.928)和0.928(95%CI:0.899～0.958)，在内部验证集中，临床因素模型、影像组学模型及联合模型预测出血转化的AUC分别为0.757(95%CI:0.671～0.843)、0.852(95%CI:0.791～0.913)和0.872(95%CI:0.809～0.935)，此外，各模型在外部验证集中同样显示出良好的性能，AUC分别为0.720(95%CI:0.602～0.839)、0.804(95%CI:0.711～0.897)、0.828(95%CI:0.751～0.905)。决策曲线分析显示联合模型的净获益率最高。结论 基于MRI的影像组学模型及临床因素模型对缺血性脑卒中后出血转化均有一定的预测价值；二者联合建立的联合模型预测价值最高，可应用于卒中后出血转化的风险预测。
关键词：缺血性脑卒中;;出血转化;;磁共振成像;;机器学习;;影像组学
基金资助：国家重点研发计划项目(编号:2023YFC2414200);; 中央引导地方科技发展资金项目(编号:ZYYD2023D02);; 新疆维吾尔自治区自然科学基金项目(编号:2024D01D20);; “天山英才”科技创新领军人才项目(编号:2023TSYCLJ0027)~~
