静脉期血栓影像组学联合动脉级侧支评分预测取栓术后神经功能改善的价值研究

本研究针对急性缺血性卒中（AIS）患者取栓术后神经功能改善（NI）预测难题，创新性整合静脉期多相CTA（mCTA）血栓影像组学特征与动脉级区域软脑膜侧支（rLMC）评分，构建融合预测模型。结果显示，基于峰值静脉期影像组学模型及融合模型（AUC训练集/测试集分别达0.992/0.889）显著提升预测效能，为AIS个体化预后评估提供了多维度影像学生物标志物新策略。

　　

急性缺血性卒中（AIS）是全球致死和致残的主要原因之一，而大血管闭塞（LVO）导致的AIS更是临床处理的难点。机械取栓（MT）作为革命性治疗手段虽能实现血管再通，但患者术后神经功能改善情况存在显著差异，部分患者未能从干预中获益。传统评估指标如临床严重程度评分和常规影像参数往往难以全面捕捉血栓的病理异质性和侧支循环的动态特征，导致预测准确性受限。血栓组成（如纤维蛋白富集型与红细胞富集型）和侧支血流状态共同影响再通效果，但现有研究多将二者孤立分析，缺乏多参数整合模型。此外，单时相CTA评估无法反映延迟期血栓渗透性和侧支血管的动态变化，亟需开发基于多时相影像的综合预测工具。

为突破上述瓶颈，厦门大学医学院附属中山医院放射科团队在《Journal of Stroke and Cerebrovascular Diseases》发表研究，探索静脉期血栓影像组学特征联合动脉级侧支评分对MT术后神经功能改善（NI）的预测价值。研究回顾性纳入110例接受多相CTA（mCTA）及MT的LVO-AIS患者，通过提取峰值静脉期和延迟静脉期血栓影像组学特征，结合机器学习算法构建预测模型，并整合临床参数与区域软脑膜侧支（rLMC）评分建立融合模型。

关键技术方法包括：1) 使用多相CTA（峰值动脉期、峰值静脉期和延迟静脉期）采集图像；2) 手动勾画血栓体积并提取5892个影像组学特征，经稳定性筛选和LASSO回归降维后保留关键特征；3) 采用XGBoost算法构建影像组学模型；4) 基于ColorViz技术生成彩色编码侧支图谱，评估rLMC评分（0-20分）；5) 通过逻辑回归整合临床指标（如NIHSS评分、糖尿病史）、rLMC评分和影像组学特征构建融合模型；6) 以出院时NIHSS评分改善≥4分或绝对值≤1分定义神经功能改善（NI）。

研究结果

Demographic and clinical characteristics

队列中63例患者实现NI，47例未改善。NI组入院NIHSS评分显著较低（4.00 vs. 13.00, P<0.001），糖尿病和房颤比例更低（P<0.05），但两组间血管闭塞部位分布无差异。

Conventional CT characteristics

常规CT参数中，仅血栓负荷评分（CBS）在NI组较高（7.00 vs. 6.00, P=0.028），而各期血栓CT值无显著差异。rLMC评分在NI组显著更高（14.00 vs. 10.00, P<0.001），提示侧支循环状态与NI密切相关。

Univariate and multivariate analysis

逻辑回归分析证实入院NIHSS评分、糖尿病史为负向预测因子，而CBS和rLMC评分为正向预测因子（均P<0.05）。

Radiomics model performance

峰值静脉期影像组学模型表现优异，训练集和测试集AUC分别为0.986和0.831；延迟静脉期模型测试集AUC为0.699。特征重要性排名显示高阶纹理特征（如小波变换和局部二值模式）贡献显著。

Fusion model performance

融合模型（临床-侧支-影像组学）进一步提升预测精度，峰值静脉期模型测试集AUC达0.889，决策曲线分析证实其具有更优的临床净获益。

讨论与结论

本研究创新性地将静脉期血栓影像组学与动脉级侧支评分相结合，突破了传统单一时相、单一参数模型的局限。血栓影像组学特征（尤其是峰值静脉期提取的高阶纹理参数）能够捕捉对比剂延迟增强后血栓内部异质性，反映其组成和渗透性变化；而ColorViz技术衍生的rLMC评分直观量化侧支循环状态，二者协同提供互补的病理生理信息。融合模型不仅显著提升预测准确性，还强化了临床可解释性——侧支评分易于术中快速评估，而影像组学深入挖掘微观特征。

研究局限性包括回顾性设计、样本量有限及手动分割血栓可能引入偏差。未来需通过自动化分割算法、多中心外部验证和结合组织病理学对照提升可靠性。结论表明，静脉期血栓影像组学联合动脉级侧支评分能有效预测MT术后神经功能改善，为AIS个体化治疗决策提供了多维度影像生物标志物方案。