基于LASSO-Nomogram模型的超声-动脉粥样硬化关联分析与前循环病变诊断验证研究

本研究创新性整合颈部血管超声与经颅多普勒（TCD）参数，构建LASSO-Nomogram预测模型，突破传统单指标评估局限，为前循环脑动脉粥样硬化（atherosclerosis）严重程度提供多维度、可视化个体化风险评估工具，显著提升临床诊断精准度与决策效率。

　　

引言

前循环脑动脉粥样硬化是缺血性卒中的核心病因，其严重程度直接影响临床决策与患者预后。传统评估方法中，CT血管造影（CTA）存在辐射风险，数字减影血管造影（DSA）作为有创检查伴随出血及血管损伤等并发症，且成本较高。相比之下，颈部血管超声与经颅多普勒超声（TCD）凭借无创、可重复的优势成为主流筛查工具。颈部血管超声可清晰显示颈动脉内膜中层厚度（IMT）及斑块特征，TCD则通过血流速度、阻力指数等参数反映脑动脉功能状态。然而，单一超声指标难以全面评估复杂的动脉粥样硬化病变。近年来，预测模型研究虽取得进展，但多依赖单一影像模态或未能充分整合超声与血流动力学参数。本研究创新性将LASSO回归与诺莫图（Nomogram）结合，构建新型评估模型，旨在突破传统评估局限，为疾病动态监测与干预策略优化提供新路径。

材料与方法

研究对象

回顾性分析2023年1月至2024年12月就诊的350例前循环脑动脉粥样硬化患者资料，随机按7:3比例分为训练集（n=245）与验证集（n=105）。纳入标准：经颅脑CTA/MRA确诊前循环脑动脉粥样硬化（颈内动脉、大脑中动脉或大脑前动脉狭窄≥50%）；术前均接受颈部血管彩色多普勒超声及TCD检查；临床资料完整；年龄≥40岁。排除严重心肝肾功能障碍、卒中或短暂性脑缺血发作（TIA）病史、颈部畸形或血管疾病影响超声准确性者。

数据收集

涵盖以下维度：

1. 1.
   人口学与病史：年龄、性别、高血压（收缩压≥140 mmHg和/或舒张压≥90 mmHg或服用降压药）、糖尿病（空腹血糖≥7.0 mmol/L或服用降糖药）、高脂血症（LDL-C≥3.4 mmol/L或服用调脂药）、吸烟史（平均≥1支/日且持续≥1年）。
2. 2.
   血脂指标：空腹血清高密度脂蛋白（HDL）、低密度脂蛋白（LDL）、总胆固醇（TC），由医院临床实验室采用全自动生化分析仪测定。
3. 3.
   颈部血管超声参数：颈动脉IMT（取双侧颈动脉分叉处1 cm内IMT平均值）、斑块稳定性（稳定斑块：纤维性或钙化斑块；不稳定斑块：脂质沉积性或溃疡性斑块）、颈内动脉狭窄率（按北美症状性颈动脉内膜切除试验（NASCET）标准计算）。
4. 4.
   TCD参数：双侧大脑中动脉峰值收缩流速（MCA-PSV）、舒张末期流速（MCA-EDV）、搏动指数（PI）、阻力指数（RI）的平均值。
5. 5.
   动脉粥样硬化程度分期：参照中国脑动脉粥样硬化诊治指南，根据血管狭窄率与斑块稳定性分为轻-中度组（狭窄率50–70%或稳定斑块）与重度组（狭窄率>70%或不稳定斑块且狭窄率≥50%）。

统计分析

使用SPSS 26.0与R语言4.5.3进行分析。连续变量以“x±s”表示，组间比较采用独立样本t检验；分类变量以“例数（%）”表示，组间比较采用χ2检验。采用LASSO回归（R包“glmnet”，family=“binomial”）筛选动脉粥样硬化程度相关关键因素，通过10折交叉验证确定最优正则化参数λ（λ.min=0.023）。进一步行多因素logistic回归分析确定独立关键因素，计算比值比（OR）与95%置信区间（CI），并计算方差膨胀因子（VIF）排除多重共线性（VIF阈值<10）。基于最终确定的独立因素构建诺莫图模型，并通过Bootstrap重采样（1000次）进行内部验证，计算校准斜率与截距。模型评价包括：区分度（C指数、ROC曲线与AUC）、校准度（校准曲线、Hosmer-Lemeshow检验）、临床实用性（决策曲线分析，DCA）。所有数据处理与统计分析代码及匿名化数据集已作为补充材料提供。

结果

训练集与验证集基线特征比较

350例患者随机分组后，训练集（n=245）与验证集（n=105）在年龄、性别、病史、血脂指标及超声参数上均无显著差异（p>0.05），表明分组均衡。

训练集动脉粥样硬化程度相关因素单因素分析

轻-中度组与重度组在年龄、HDL、LDL、TC、颈动脉IMT、斑块稳定性、颈内动脉狭窄率、MCA-PSV、MCA-EDV、PI、RI上差异显著（p<0.05）。变量间无共线性问题（容忍度>0.1，VIF<10，条件指数<30）。

LASSO回归分析结果

从11个候选变量中筛选出9个关键因素：年龄、HDL、LDL、颈动脉IMT、斑块稳定性、狭窄率、MCA-PSV、MCA-EDV、RI。

前脑循环动脉粥样硬化程度的多因素logistic回归分析

多因素分析显示：HDL（OR=7.410）与稳定斑块（OR=3.987）为动脉粥样硬化的保护因素；LDL（OR=0.621）、颈动脉IMT（OR=0.038）、MCA-PSV（OR=0.978）、MCA-EDV（OR=0.960）、RI（OR=0.010）为危险因素（均p<0.05）。

颈部血管超声与TCD同前循环脑动脉粥样硬化程度的相关性

颈动脉IMT与动脉粥样硬化程度呈显著负相关（Pearson相关系数-0.399，p<0.01），即IMT越厚，病变越严重。斑块性质与动脉粥样硬化程度、性别、高血压史、糖尿病史、高脂血症史、吸烟史显著相关（p<0.01）。颈内动脉狭窄率与年龄、动脉粥样硬化程度弱相关（p<0.05）。MCA-PSV、MCA-EDV、PI、RI均与动脉粥样硬化程度显著相关（p<0.05）。

诺莫图预测模型构建与评价

基于Logistic回归系数构建诺莫图，变量包括HDL、LDL、颈动脉IMT、斑块稳定性、MCA-PSV、MCA-EDV、RI。总分越高，轻-中度硬化概率越高。训练集C指数=0.850，验证集=0.796；训练集AUC=0.849（95% CI: 0.792–0.907），验证集AUC=0.801（95% CI: 0.698–0.904）。校准曲线显示预测值与实际值高度一致，Hosmer-Lemeshow检验p>0.05。决策曲线分析显示阈值概率10–80%时，模型净收益优于“全重度”或“全轻-中度”策略。Bootstrap校准结果显示训练集校准斜率0.951（95% CI: 0.912–0.989），截距-0.032（95% CI: -0.071–0.007）；验证集斜率0.893（95% CI: 0.832–0.954），截距0.045（95% CI: -0.011–0.101），表明模型校准良好且未过度拟合。

模型的增量价值分析

与单一超声标志物模型、传统风险因素模型及“超声+传统”组合模型相比，诺莫图预测模型在训练集与验证集中的C指数均最高，显示其综合评估优势。

讨论

本研究构建的LASSO-Nomogram模型体现了从数据筛选到可视化应用的完整逻辑链。LASSO回归从11个候选变量中筛选出9个关键因素，再经多因素Logistic回归明确各指标独立预测价值。模型区分度强（C指数>0.79，AUC>0.8），校准度佳，临床实用性高（DCA净收益优）。典型案例如65岁男性患者，颈动脉IMT 1.25 mm、不稳定斑块、MCA-PSV 125 cm/s、MCA-EDV 110 cm/s、RI 0.62、LDL 4.2 mmol/L、HDL 1.1 mmol/L，输入诺莫图后预测重度动脉粥样硬化概率高，与DSA结果（左大脑中动脉狭窄75%）一致，证实模型整合多模态数据的能力。

相比传统单指标评估，本模型优势在于整合多维度数据并可视化呈现：颈动脉IMT反映血管壁结构改变，斑块性质反映病变稳定性，TCD参数揭示血流动力学异常，三者从结构、性质、功能三个层面表征动脉粥样硬化特征。血脂指标（HDL、LDL）反映代谢状态并与斑块形成病理机制直接相关，体现生物学与影像学指标的协同效应。这种多模态数据整合不仅提升预测效能，还为个体化干预提供靶点。

本研究的7个核心指标从不同维度揭示动脉粥样硬化病理机制：

• ?
  HDL作为“血管保护因子”，通过逆向胆固醇转运减少脂质沉积、抑制炎症反应、维持血管内皮功能，其水平升高与轻-中度动脉粥样硬化正相关（OR=7.410）。
• ?
  LDL作为“致动脉粥样硬化因子”，其升高（OR=0.621）反映脂质浸润血管壁风险增加，是斑块进展的核心驱动因素。
• ?
  颈动脉IMT是血管壁早期病变的敏感指标，其增厚（OR=0.038）与重度动脉粥样硬化显著相关，提示血管壁重构程度与脑动脉病变一致。
• ?
  斑块性质差异直接关联病变稳定性：稳定斑块（纤维性或钙化斑块）为保护因素（OR=3.987），不易破裂致血栓；不稳定斑块（脂质沉积性或溃疡性斑块）易导致缺血事件。
• ?
  MCA-PSV与MCA-EDV反映大脑中动脉血流速度，其升高与轻-中度动脉粥样硬化负相关（OR分别为0.978、0.960），可能与血管代偿性扩张相关；RI作为阻力指数，其降低（OR=0.010）提示血管阻力增加，是重度动脉粥样硬化的重要标志。三者结合可动态评估脑动脉功能状态。

这些指标通过病理机制相互关联：LDL升高导致脂质沉积引起IMT增厚与斑块形成，进而影响血管口径与血流动力学（如狭窄率升高导致RI增加）；HDL通过抗炎抗氧化作用延缓斑块进展、维持血管弹性。临床联合评估可实现“结构-性质-功能”立体诊断，为分层管理提供依据。

本研究存在局限性：单中心回顾性设计未进行外部多中心验证，可能影响模型普适性；缺乏健康对照组，无法建立参数基线值；未纳入系统性炎症标志物（如超敏C反应蛋白）、详细用药史（尤其是他汀类药物剂量与依从性）及卒中/TIA病史等潜在关键预后因素，存在未测量混杂因素；事件每变量（EPV）可能低于方法学推荐阈值（EPV≥10），影响参数估计稳定性；纳入标准限于中重度狭窄（≥50%）患者，不适用于普通或无症状人群筛查。未来研究需开展多中心前瞻性队列、纳入更广泛人群、结合分子生物学指标与AI影像分析、开发临床决策支持系统，以提升模型精准度与推广应用价值。

综上所述，本研究证实颈部血管超声与TCD多维度指标与前循环脑动脉粥样硬化程度密切相关，所构建的LASSO-Nomogram模型通过数据驱动变量筛选与可视化呈现，为临床评估提供高效工具。尽管存在单中心限制，其创新建模思路与良好预测效能为脑血管疾病精准评估奠定基础，随着外部验证推进与多模态数据整合，该模型有望成为动态监测动脉粥样硬化进展、指导个体化干预的核心工具，助力降低缺血性卒中发病率与致残率。