基于多模态特征与可解释机器学习的轻度脑出血患者神经功能恶化及90天预后预测研究

针对临床易忽视的轻度脑出血(ICH)患者预后评估难题，南方医科大学南方医院团队整合临床指标、传统影像特征和放射组学(Radiomics)数据，构建支持向量机(SVM)模型预测神经功能恶化(ND)和90天改良Rankin量表(mRS-90)结局。模型验证集AUC达0.970，SHAP分析揭示岛征(island sign)、血肿梯度粗糙度(gradient_ngtdm_Coarseness)等关键特征，为早期风险分层提供智能化工具。

　　

在脑血管疾病领域，自发性脑出血(ICH)作为致死致残率第二高的卒中亚型，其临床管理始终面临严峻挑战。尽管昏迷或需手术的重症ICH患者常获得高度关注，占临床病例相当比例的轻度ICH患者（定义为意识清醒、症状较轻且无需手术者）却存在被低估的风险——这类患者虽初期表现温和，仍有14%-24%可能发生神经功能恶化(ND)或90天不良预后。传统评估依赖医师经验判断，缺乏量化工具识别潜在高风险患者，导致部分患者错失早期干预时机。

为破解这一临床困境，南方医科大学南方医院神经内科与放射科联合团队开展了一项前瞻性研究，创新性地融合临床指标、CT传统影像标志物和放射组学特征，构建可解释机器学习(ML)模型。研究纳入148例轻度ICH患者（NIHSS<15且ICH评分≤2），通过支持向量机(SVM)等5种算法预测ND（定义为住院期间NIHSS增加≥4分或GCS下降≥1分）和90天改良Rankin量表(mRS-90>2)结局。论文发表于《BMC Medical Imaging》的这项成果显示，SVM模型在验证集中预测ND的AUC达0.846，预测90天不良预后的AUC更达0.970，显著优于传统临床评分。

研究采用三大关键技术方法：首先通过前瞻性队列收集257例患者数据，经严格筛选后保留148例ND分析样本和144例预后分析样本；其次采用Pyradiomics平台从非增强CT(NCCT)提取1691个血肿及周围水肿区放射组学特征，结合LASSO回归筛选出4-5个核心特征构建放射组学评分(Rad-score)；最后整合临床数据、9项影像标志物（如岛征、漩涡征）和放射组学特征，应用SMOTE算法解决样本不平衡问题，通过SHAP值解析模型决策机制。

【研究结果】
临床特征分析：ND组入院NIHSS(9 vs 5分)和收缩压(166 vs 149 mmHg)显著更高，合并蛛网膜下腔出血比例达14.3%（非ND组0%）。90天不良预后组岛征检出率高达51.4%（良好预后组18.4%），卫星征比例达31.4%（良好预后组6.4%）。

影像标志物价值：岛征与不良预后显著相关(p<0.001)，漩涡征在ND组检出率33.3%（非ND组11.8%,p=0.018）。血肿放射组学评分在预后组间差异极显著(201281 vs 57843,p<0.001)。

模型性能：SVM模型预测ND的敏感性达83.3%，F1-score 0.667；预测90天预后时敏感性达100%，特异性87.9%。SHAP分析显示24小时FOUR评分、尿酸(UA)和血瘤"梯度粗糙度"(反映边缘不规则性)是ND前三位预测因子，而入院NIHSS、岛征和发病至入院时间是预后三大主导因素。

【结论与意义】
该研究首次系统证实：轻度ICH患者的血肿形态学特征（如岛征）和放射组学参数（如original_shape_LeastAxisLength）具有重要预后价值。创新点在于：①建立首个整合临床-影像-放射组学多维度特征的轻度ICH预后预测体系；②通过SHAP力图示直观展示个体化风险贡献因素，如案例显示低FOUR评分和高APACHE-II评分患者虽ICH评分低仍易发生ND；③证实血瘤边缘粗糙度(gradient_ngtdm_Coarseness)等传统统计方法难以捕捉的细微特征具有预测价值。

这项研究为临床提供了两套实用工具：ND预测模型可帮助识别住院期间病情恶化风险患者，指导加强监护；90天预后模型则有助于出院前康复资源调配。未来需扩大样本验证模型泛化能力，并探索将算法嵌入急诊CT诊断流程的可行性。该成果标志着轻度ICH管理从经验判断迈向数据驱动决策的重要一步。