编辑推荐：
为解决缺血性脑卒中后 HT 高风险患者难以识别及预测模型未纳入临床指南的问题，研究人员开展相关研究。结果发现传统和机器学习模型均存在局限。推荐阅读，助您了解 HT 预测模型现状，把握该领域研究方向。
在当今社会，脑卒中（stroke）可是个让人头疼的 “大麻烦”，它是全球导致死亡和残疾的主要原因之一 。而出血性转化（hemorrhagic transformation，HT）作为急性缺血性脑卒中后一种潜在的灾难性并发症，更是让情况雪上加霜。HT 可能在脑卒中急性期自发出现，也可能是血栓切除术、溶栓、双重抗血小板和抗凝等治疗的并发症。它不仅与缺血性脑卒中后的不良预后密切相关，还影响了再灌注治疗的应用，使得医生们在治疗时投鼠忌器。
然而，要准确识别 HT 高风险患者却困难重重。虽然为了预测 HT，人们已经开发出了大量的预测模型，包括溶栓后、血栓切除术后或自发情况下的，但这些模型的表现却差强人意，没有一个能被纳入临床指南，这就好比医生们手握一堆 “不趁手” 的工具，面对 HT 这个 “敌人” 时，总是感到力不从心。
与此同时，近几十年来，随着技术和医学信息学的发展，大量缺血性脑卒中数据以结构化电子格式被存储起来，这为利用人工智能方法（如机器学习）开发预测模型提供了便利。但这些模型的开发、验证情况如何，相互之间又该如何比较呢？这一系列问题都亟待解答。
为了攻克这些难题，来自 作者[第一作者单位] 的研究人员在《BMC Medicine》期刊上发表了题为 “Traditional and machine learning models for predicting hemorrhagic transformation after ischemic stroke: a systematic review and meta-analysis” 的论文。他们通过系统回顾和荟萃分析，对传统和基于机器学习的 HT 预测模型进行了全面梳理和比较，最终得出结论：虽然 HT 预测模型的开发取得了显著进展，但无论是传统模型还是基于机器学习的模型，在方法学严谨性、预测准确性和临床适用性方面都存在局限性。未来的模型需要更严格的验证、遵循标准化报告框架，并优先考虑具有统计学意义和临床意义的预测因子。研究人员之间的合作对于在不同人群中验证这些模型并提高其在临床实践中的广泛适用性至关重要。这一结论为后续的研究和临床实践指明了方向，就像是在黑暗中为人们点亮了一盏明灯。
那么，研究人员是如何开展这项研究的呢？他们主要运用了以下关键技术方法：首先，按照系统评价和荟萃分析的首选报告项目声明（PRISMA），在 PubMed 和 Ovid-Embase 数据库中进行了系统检索，还手动检索了潜在符合条件研究的参考文献列表，尽可能全面地收集相关研究。然后，制定了严格的纳入和排除标准，筛选出关于预测缺血性脑卒中后 HT 的新模型或现有模型验证的观察性研究和随机对照试验。接着，由两名评审员独立筛选研究、评估质量，并根据预测模型研究的关键评价和数据提取清单（CHARMS）提取数据。最后，对至少经过两次外部验证且偏倚风险低的预测模型的性能数据进行荟萃分析。
下面我们来详细看看研究结果。在 “研究选择” 方面，研究人员最初在 2022 年 3 月的数据库搜索中确定了 12335 篇文章，从中纳入了 62 篇。2023 年 10 月的更新搜索又纳入了 28 篇，2024 年 10 月 31 日的最终更新纳入了 10 篇，最终共有 100 项研究被纳入，其中 67 项聚焦于模型开发，33 项专注于模型验证。这个过程就像是在大海里捞针，研究人员经过层层筛选，才找到了这些 “宝藏” 研究。
“模型开发研究” 中，67 项模型开发研究里，44 项开发了 47 个传统预测模型，23 项开发了机器学习模型。多数研究纳入了推导和内部验证阶段，研究人群多样，以接受溶栓治疗的缺血性脑卒中患者居多。传统模型开发主要采用逻辑回归方法，机器学习模型中支持向量机算法最常用。传统模型中常见的预测因子有美国国立卫生研究院卒中量表评分（NIHSS）、血糖、年龄等。不过，这些研究的质量参差不齐，67 项研究中有 56 项被评为高偏倚风险，主要集中在分析领域，如样本量不足、连续变量二分法处理不当等问题。
“模型验证研究” 均为对传统预测模型的外部验证，未涉及机器学习模型。研究人群以接受溶栓治疗的患者为主，最常报告的结局指标是症状性颅内出血（sICH）。在 33 项验证研究中，25 项偏倚风险低，但仍有部分研究存在样本量不足等问题影响模型性能评估。
“预测模型性能的荟萃分析” 纳入了 15 项研究对 8 个模型进行分析。结果显示，预测任何 HT 时，SEDAN 评分辨别力最高；预测不同标准下的 sICH 时，不同模型表现各异，但总体 AUC 在 0.68 - 0.69 左右。而且，通过分析未检测到发表偏倚。
综合研究结论和讨论部分，这项研究意义重大。它全面总结和比较了传统和基于机器学习的 HT 预测模型，让人们对这些模型有了更清晰的认识。发现的问题为后续研究提供了改进方向，比如研究应优先开展前瞻性、多中心、大样本的研究，以提高模型的通用性；统一关键预测因子的选择和定义，简化模型同时保证预测能力；不仅要关注模型准确性，还要考虑临床可行性。虽然该研究存在一定局限性，如部分评估指标数据不足、研究异质性大等，但它仍然为 HT 预测模型的发展奠定了基础，激励着更多研究人员去探索更有效的预测方法，从而提高对缺血性脑卒中患者的治疗水平，让患者能得到更精准、更有效的治疗。
