论文部分内容阅读
目的:通过多模态磁共振成像（magnetic resonance imaging,MRI）及影像组学技术构建基于临床因素、影像因素、临床联合影像因素的预后预测模型,以期寻找急性缺血性脑卒中机械取栓术后预后预测的最优模型。方法:回顾性分析2017年1月～2020年3月在南京市第一医院接受机械取栓治疗的238例急性缺血性脑卒中患者。所有患者均于发病24h之内、治疗前接受电子计算机断层扫描（Computed Tomography,CT）及3.0T MRI检查。扫描序列包括液体衰减反转恢复序列（fluid attenuated inversion recovery,FLAIR）、弥散加权成像（diffusion-weighted imaging,DWI）、磁共振血管成像（MR angiography,MRA）和灌注加权成像（Perfusion weighted imaging,PWI）。患者均为首次发生急性前循环卒中行机械取栓切除治疗并有3个月预后评估改良Rankin量表（modified Rankin Scale,mRS评分）。收集患者的一般临床资料,包括年龄、性别、入院美国国立卫生研究院卒中量表（National Institutes of Health Stroke Scale,NIHSS）,与卒中相关的既往史（高血压、糖尿病、房颤、高血脂、高同型半胱氨酸）、发病至MRI检查时间、发病至血管再通时间。采用RAPID量化分析医学图像处理软件（iSchemiaView,版本号:5.0.2）计算生成DWI梗死体积、Tmax＞6s体积、DWI-PWI不匹配体积及低灌注强度比值（hypoperfusion intensity ratio,HIR）。所有影像学资料均由2名影像诊断医师采用双盲法进行评估、分析。采用多元逻辑回归的方法对71例患者进行分析,对以上临床及影像因素,分别筛选预测卒中预后的独立预测因子（临床因素、影像因素、临床联合影像因素）。再应用VGG16卷积神经网络技术为238例患者构建急性缺血性脑卒中机械取栓术后出血转化及预后预测模型,分别采用单序列和多序列网络模型,基于DWI、平均通过时间（mean transit time,MTT）和达峰时间（time to peak,TTP）序列图像,建立感兴趣区数据集（Region of Interest,ROI数据集）和整个片层图像数据集（Image数据集）,分析病人水平的受试者操作曲线（receiver operating characteristic,ROC）,计算ROC曲线下面积（Area Under Curve,AUC值）、特异性、敏感性、准确性等指标对模型进行评价。并对实验结果进行可视化,对预测出血转化及预后的关键特征进行定位。所有数据均采用SPSS 26.0统计软件进行处理,P＜0.05定义为差异有统计学意义。结果:多元逻辑回归临床因素结果显示年龄（OR 1.071;95%CI:1.010-1.135;P=0.022）、入院 NIHSS 评分（OR 1.225;95%CI:1.099-1.366;P＜0.001）为预测卒中预后的独立预测因子,该模型预测卒中预后的AUC为0.810（95%CI:0.709-0.911）,敏感性和特异性为80.6%、71.4%。回归影像因素结果显示HIR为预测卒中预后的独立预测因子（OR 4.037;95%CI:1.241-13.136;P=0.005）,该模型预测卒中预后的AUC 为 0.862（95%CI:0.772-0.952）,敏感性和特异性为 72.2%、94.3%。回归临床联合影像因素显示入院 NIHSS 评分（OR 1.157;95%CI:0.998-1.341;P=0.043）、HIR（OR 6.669;95%CI:4.817-15.051;P=0.009）为预测卒中预后的独立预测因子,该模型预测卒中预后的AUC最高,达0.905（95%CI:0.830-0.979）,其敏感性为94.4%、特异性为82.9%。影像组学结果显示,单序列训练模型中MTT和TTP对出血风险的预测效果更好,在ROI数据集中准确率分别为0.843、0.873,在Image数据集中准确率分别为0.833、0.818。多序列组合训练模型在ROI数据集中准确率为0.883（MTT＆TTP）、0.891（DWI＆MTT＆TTP）;在 Image 数据集中准确率为 0.853（MTT＆TTP）、0.881（DWI＆MTT＆TTP）。结论:入院NIHSS评分和HIR为预测卒中预后的独立预测因子,在卒中预后中具有重要的预测价值。联合临床和影像的预后预测模型优于临床模型或影像模型,具有更优的预测效能。影像组学分析多序列组合训练模型的预测效能优于单序列训练模型,ROI数据集的预测效果要优于Image数据集的预测效果,利用多模态MRI和影像组学技术构建急性缺血性脑卒中机械取栓术后出血风险及预后预测模型,可以更有效地提高脑卒中患者出血转化等预后的预测效能,将有助于临床急性脑卒中患者的个性化治疗决策。