基于脑脊髓液的临床放射学模型用于预测急性缺血性中风的治疗预后
Fengmei Li1,2, Manli Lu3, Jiahui Yan3
1Division of Life Sciences and Medicine, School of Biomedical Engineering (Suzhou), University of Science and Technology of China, Hefei, China.
Quantitative imaging in medicine and surgery
|December 10, 2025
概括
这项研究开发了一种脑脊液 (CSF) 放射学模型,用于预测急性缺血性中风 (AIS) 患者在静脉输血栓溶解 (IVT) 后的结果,为治疗决策显示出有希望的结果.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 生物医学工程 生物医学工程
背景情况:
- 大脑脊髓液 (CSF) 的改变在急性缺血性中风 (AIS) 的进展中至关重要.
- 在静脉血栓溶解 (IVT) 后预测AIS患者的功能结果对于治疗规划至关重要.
研究的目的:
- 开发和验证基于CSF的临床放射学模型,用于预测IVT治疗的AIS患者的功能结果.
- 评估开发模型的预后性能和临床实用性.
主要方法:
- 包括308名在发病6小时内患有AIS的患者,分为训练和测试组.
- 从CT图像中提取了CSF放射学特征,并与临床特征相结合.
- 机器学习分类器 (NuSVC,后勤回归,随机森林) 用于预测,通过ROC分析和DCA评估性能.
主要成果:
- 一个结合的临床-放射学模型显著优于单一模式模型.
- 基于NuSVC的组合模型实现了0.870 (交叉验证) 和0.893 (测试队列) 的AUC.
- 决策曲线分析证实了组合模型的优越临床实用性.
结论:
- 脑液放射学特征对于在IVT后预测AIS患者的功能结果非常有价值.
- 开发的基于CSF的组合模型显示出强大的预后性能和临床实用性.
- 该模型有可能支持AIS管理中的治疗决策.
关键词:
急性缺血性中风 (AIS) 是一种严重的疾病.大脑脊髓液 (CSF) 是一种机器学习 (ML) 是指机器学习.无对比计算断层扫描 (NCCT) 是一种非对比计算断层扫描.无线电学 (radiomics) 是一种无线电学.
