临床-影像组学联合模型预测自发性脑出血后早期血肿扩大的研究

摘要

目的探讨自发性脑出血（sICH）患者出血后早期血肿扩大（HE）的危险因素, 构建预测sICH后早期HE的临床-影像组学联合模型并评估其预测效能。方法选择重庆医科大学附属第二医院放射科自2014年4月至2020年9月行CT平扫的sICH患者339例, 根据是否发生HE将患者分成HE组和非HE组（HE定义为24 h内复查CT图像中血肿体积较首次CT平扫图像中增加＆33%或6 mL）。比较非HE组和HE组患者的临床资料, 采用多因素Logistic回归分析筛选HE发生的危险因素。提取患者首次CT平扫图像中脑血肿兴趣区的影像组学特征, 采用LASSO回归模型和10折交叉验证法筛选最优影像组学特征并计算影像组学评分（R-score）, 利用HE发生的危险因素、R-score分别构建临床模型、R-score和临床-影像组学联合模型, 采用受试者工作特征曲线（ROC）分析各模型对HE的预测效能, 将最佳模型可视化为列线图并绘制校准曲线评估列线图模型预测的准确性。结果与非HE组比较, HE组患者中发病至首次CT检查时间较短、糖尿病者所占比例较高、血小板计数较低、格拉斯哥昏迷量表（GCS）评分较低、首次CT图像中血肿体积较大, 差异均有统计学意义（P＆0.05）。多因素Logistic回归分析显示首次CT图像中血肿体积（OR=1.015, 95%CI:1.000～1.030, P=0.046）、GCS评分（OR=0.914, 95%CI:0.839～0.995, P=0.039）、发病至首次CT检查时间（OR=0.855, 95%CI:0.741～0.987, P=0.032）和糖尿病（OR=0.522, 95%CI:0.311～0.875, P=0.014）是发生HE的独立危险因素。LASSO回归模型和10折交叉验证法最终筛选出20个最优影像组学特征。临床模型、R-score和临床-影像组学联合模型预测HE的曲线下面积分别为0.650、0.860和0.870。校准曲线显示临床-影像组学联合模型对早期HE的预测概率与实际发生概率具有较好的一致性。结论临床-影像组学联合模型能够有效地预测早期HE且具有良好校准度, 有助于临床个体化评估sICH患者发生早期HE的风险。