基于CTA影像组学与机器学习的缺血性脑卒中风险评估模型构建及验证

本研究针对颈动脉粥样硬化患者缺血性脑卒中（IS）风险预测的临床难题，创新性地整合CTA影像组学特征、临床危险因素和斑块影像特征，构建了联合预测模型。结果显示联合模型AUC达0.878（训练集）和0.847（验证集），显著优于传统模型（AUC 0.766）和单一影像组学模型（AUC 0.766），为IS早期风险分层提供了新型多参数评估框架。

　　

在全球范围内，缺血性脑卒中（Ischemic Stroke, IS）如同潜伏的"沉默杀手"，每年导致数百万人丧失行动能力甚至生命。尽管医学界早已认识到颈动脉粥样硬化（Carotid Atherosclerosis, CAS）是IS的重要诱因，但令人困扰的是，临床上约60%的IS病例竟是由看似"温和"的非严重狭窄斑块破裂引发——这些斑块往往逃过了传统以狭窄程度为标准的风险评估体系的法眼。更棘手的是，作为金标准检查的CT血管造影（Computed Tomography Angiography, CTA），虽然能清晰显示血管腔狭窄，却难以准确捕捉那些"不安分"的易损斑块特征。这种临床评估与技术局限之间的鸿沟，使得大量高危患者错失早期干预良机。

面对这一困境，昆明医科大学第二附属医院放射科的李志立、杨鸿宇、吕晓晓等研究人员联合多家医疗机构，开展了一项突破性研究。他们巧妙地将人工智能领域的影像组学（Radiomics）技术与传统临床指标相结合，对123例颈动脉粥样硬化患者进行多维度分析，最终构建出首个整合CTA影像组学特征、临床危险因素和斑块影像特征的IS风险预测模型。这项发表在《BMC Medical Imaging》的研究，犹如为临床医生配备了一副"智能眼镜"，使其能透过表象洞察斑块破裂风险的本质。

研究团队采用三项关键技术方法：首先通过3D-Slicer软件从CTA图像中提取851个斑块影像组学特征，经Lasso回归筛选出9个关键特征；其次收集高血压、糖尿病等临床危险因素及斑块负荷等12项影像特征；最后采用逻辑回归构建传统模型、影像组学模型及联合模型，并通过5折交叉验证评估性能。所有数据来自2022-2023年接受头颈CTA检查的患者队列，按DWI结果分为卒中组（64例）和无症状组（59例）。

临床因素分析

研究发现高血压（OR=4.558）、糖尿病（OR=5.208）和血浆同型半胱氨酸（Homocysteine, Hcy）升高是IS的独立危险因素。尤为值得注意的是，Hcy水平＞15μmol/L的患者卒中风险显著增加，这一发现为临床筛查高危人群提供了明确阈值。

斑块影像特征

研究揭示了七项与IS显著相关的斑块特征：狭窄程度、钙化斑块比例、钙化斑块厚度、最大斑块长度、边缘征、重构指数和斑块负荷。其中斑块负荷（Plaque Burden）的预测价值最为突出（OR=62.203），证实斑块体积对IS风险的贡献远超单纯狭窄程度。有趣的是，与常识相悖的是，卒中组的血管重构指数（0.81）反而低于无症状组（1.00），研究者推测这可能与入组患者平均狭窄度较低（21%）有关，提示不同狭窄程度下斑块生物学行为的差异性。

影像组学特征挖掘

从851个初始特征中筛选出的9个标志性特征，如同斑块的"分子指纹"，精准刻画了易损斑块的本质特征。其中Major Axis Length反映斑块体积，90% Percentile表征斑块成分异质性，而Glcm_Contrast的降低则暗示非钙化斑块的高风险性。这些数字特征共同构成了影像组学评分的计算公式，成为预测模型的"智能核心"。

模型性能比较

三种模型的对比结果令人振奋：联合模型在训练集和验证集的AUC分别达到0.878和0.847，显著优于传统模型（AUC 0.766/0.798）和单一影像组学模型（AUC 0.766/0.801）。校准曲线显示联合模型的预测概率与实际观察值高度吻合，决策曲线分析（Decision Curve Analysis, DCA）证实其临床净收益最高。研究者还将模型可视化为一目了然的Nomogram列线图，如文中图5所示，临床医生只需简单参数叠加即可获得个体化风险评估结果。

这项研究的突破性意义在于三方面：首先，它打破了传统以狭窄程度为中心的评估范式，建立了首个整合多维度参数的IS预测体系；其次，验证了影像组学在捕捉斑块微结构特征方面的独特价值，为无症状患者的早期筛查提供了新工具；最重要的是，研究采用的CTA技术具有广泛普及性，使得这一"高大上"的智能模型能快速下沉到基层医院。正如讨论部分指出，该模型虽需进一步扩大样本验证，但已为IS风险预警系统开发奠定了坚实基础，未来结合深度学习算法有望实现更精准的预测。

这项由中国学者领衔的多中心研究，不仅为缺血性脑卒中的防治提供了新思路，更展示了人工智能技术与传统医学影像融合的巨大潜力。当临床医生们开始运用这套评估工具时，或许将能更早识别那些"沉默的杀手"，让更多患者避免卒中的致命一击。