摘要:目的 探讨基于CT的影像组学模型在预测自发性脑出血不良预后中的价值。方法 回顾性分析衢州市人民医院放射科自2020年1月至2023年2月行头颅CT平扫的自发性脑出血患者,收集其影像及临床资料。运用最小冗余最大相关算法(mRMR)及LASSO回归模型选择影像组学特征,使用单因素及多因素逻辑回归分析构建临床模型,以识别脑出血不良预后的独立危险因素。通过整合临床模型和影像组学模型,生成了联合模型并构建诺莫图以可视化评估不良预后的风险系数。采用了受试者工作特征(ROC)曲线、校准曲线和决策曲线的分析,评估模型的预测效能。结果 本研究共纳入了117例脑出血患者,根据7:3的比例,82例被分为训练组,35例被分为验证组,从1130个影像组学特征中筛选出11个用于生成影像组学模型。通过单因素及多因素逻辑回归分析确定了不良预后相关的4个独立风险因素：性别、高血压、GCS评分和血肿体积,这些独立风险因素的OR比值、95%置信区间及P值分别为：性别(OR,0.304；95% CI,0.100-0.862；P = 0.028)、高血压(OR,0.213；95% CI,0.046-0.875；P = 0.037)、GCS评分(OR,0.617；95% CI,0.445-0.819；P = 0.001)和血肿体积(OR,1.053；95% CI,1.012-1.103；P = 0.016)。联合模型、影像组学模型和临床模型在训练组中的AUC值分别为0.856、0.795和0.725,在验证组中分别为0.881、0.832和0.673。校准曲线显示联合模型在预测脑出血的不良预后和实际结果方面具有极好的一致性和校准性。决策曲线分析结果提示联合模型较影像组学模型和临床模型相比获得了最高的净效益。结论 基于CT的影像组学模型结合临床模型构建的联合模型在预测自发性脑出血不良预后中有较高的诊断效能和可靠性。
