论文部分内容阅读
目的:探讨神经内镜血肿清除术和立体定向血肿抽吸引流术能否提高幕上高血压脑出病人的手术疗效,改善预后。通过对病人原始头颅CT数据进行特征值提取、降维分析和机器学习,建立基于影像组学的高血压脑出血病人的预后预测模型。方法:本研究包含两部分。第一部分:获得伦理批准(伦审第S2016-074-01号)并临床试验注册(ClinicalTrials,ID:NCT02811614)后,前瞻性收集一组幕上高血压脑出血患者,知情同意后用信封法完全随机分组到内镜手术组、抽吸引流组和开颅手术组,并接受相应手术方式治疗;以患者发病后6个月随访改良Rankins评分(mRS)结果为主要预后评价指标,mRS<3为预后良好,mRS≥3为预后不良,采用意向治疗分析统计方法,比较三组患者预后情况,并比较血肿清除率、手术耗时、术中失血量,以及脑出血相关肺炎和颅内感染发生情况。第二部分:收集幕上高血压脑出血病人原始头颅CT数据和病人6个月mRS随访结果,以CT图像上血肿区域为感兴趣区,提取感兴趣区特征值,根据特征值与病人6个月预后相关情况,采用方差选择法、特征选择法和Lasso回归法进行降维处理,获得关键特征值,这些特征值和预后结果采用支持向量机、K邻近、逻辑回归、决策树、极限梯度增强树(XGBoost)和随机森林6种机器学习算法建立高血压脑出血预后预测模型,评价分析各算法准确度,选出最佳预测模型。结果:第一部分结果:2016年6月至2017年6月共入组113例患者,中位年龄58岁,男性患者64.6%,其中内镜组37例,抽吸引流组37例,开颅组39例,各组基线资料均衡。血肿清除率,内镜组89.8%,引流组51.3%,开颅组87.6%,P<0.001;脑出血相关肺炎,内镜组30%,引流组27%,开颅组49%,但没有统计学意义;颅内感染和住院期间死亡率也未见统计学差异。术后6个月随访有5人失访,随访108人中,内镜组39%(14/36)患者预后良好,平均mRS评分3.1;引流组37%(13/35)预后良好,平均mRS评分3.2;开颅组27%(10/37)预后良好,平均mRS评分3.6,各组预后良好率没有统计学差异,但mRS评分差异有统计学意义。第二部分结果:共收集270例幕上高血压脑出血患者6个月随访结果和原始头颅CT影像数据,患者平均年龄54.7岁,有87人预后良好(32.2%),训练集215例,测试集55例。提取1029个特征值经降维分析处理后得到18个与高血压脑出血预后最相关的特征值。全部6种机器学习算法均建立了血肿预测模型,且准确度都超过了80%,测试集中RF算法模型的敏感度、特异度和准确度分别为93.3%、92.5%和92.7%,测试集中XGBoost算法模型的敏感度、特异度和准确度分别为92.3%,88.1%和89.1%,RF算法和XGBoost算法是预测准确度最高的两种机器学习算法。结论:相比开颅手术,内镜血肿清除手术和血肿抽吸引流手术有可能提高幕上高血压脑出血患者神经功能恢复,改善患者预后,结果有待更多病例进一步证实;利用影像组学和机器学习的方法可以建立较准确的高血压脑出血预后预测模型。