综述：急性缺血性脑卒中影像组学研究的非实用性：来自初级医疗机构的视角

本综述系统批判了当前急性缺血性卒中（AIS）影像组学研究在初级医疗机构中的临床应用局限性。作者指出，尽管影像组学（Radiomics）在AIS的病因分析、预后评估及治疗决策中展现出潜力，但现有研究存在影像模态偏差（如过度依赖MRI）、临床目标错配（如忽视溶栓相关预测）、模型未工具化及结果可靠性不足等问题，严重限制了其在资源有限的初级医疗场景中的推广。亟需开展以NCCT（非增强CT）为基础、贴合临床实际需求且易于实施的影像组学研究。

　　

2 影像模态偏差

当前AIS影像组学研究在影像模态选择上存在显著偏差。尽管MRI在诊断和预后评估中具有明确价值，但其耗时长、对患者配合度要求高，且扫描环境严格限制金属物品，使得许多危重AIS患者无法接受检查。此外，MRI设备成本高昂，多集中于城市三级医院，而大多数AIS患者因救治时间紧迫首先就诊于资源有限的初级医疗机构。这种选择性偏倚严重影响了MRI影像组学模型的普适性。超声虽便捷、经济，但其在AIS诊断中的应用尚未确立，现有研究多集中于分析颈动脉斑块以预测AIS风险，而非直接指导诊断或治疗，临床实用性有限。

CT在AIS诊断中具有明显优势：检查速度快，允许持续心电监护和静脉用药，环境兼容性强，且设备更便宜，在初级医疗机构中普及率更高。临床上，CT是鉴别AIS与急性颅内出血的首选方法，几乎所有疑似AIS患者均先接受CT检查。这使得CT影像成为影像组学研究的最大潜在数据来源，而样本量直接影响模型性能。然而，在分析的88项AIS影像组学研究中，仅有44项（50%）基于CT，与真实临床需求存在严重脱节。

3 预测目标错配

AIS影像组学研究覆盖了诊断、治疗策略、治疗效果及预后等多个方面，但预测目标与初级医疗机构的实际需求严重不匹配。预后预测研究占比较大（32项），其中22项聚焦于功能结局预测，且20项基于MRI影像。然而，初级医疗机构的医生更关注疾病进展模式，如出血转化（HT）和恶性脑水肿，这些并发症通常预示病情恶化，需紧急转诊或手术。现有研究中仅有4项关注出血转化，2项关注脑水肿，占比极低。

治疗相关研究共28项，其中6项专注于预测卒中发病时间，但半数为MRI模型。值得注意的是，当前AIS治疗已从时间窗模式转向组织窗模式，需综合评估缺血半暗带和侧支循环状态。对于初级医疗机构，CT灌注（CTP）是评估半暗带最可行的方法，但其应用仍面临硬件和技术门槛。理想情况下，应开发基于NCCT的影像组学模型，以预测核心梗死与半暗带比例，从而指导治疗决策，但目前尚无此类模型报道。

现有研究过度聚焦于血管内治疗（如取栓）的结局和并发症预测（19项），而初级医疗机构仅能开展静脉溶栓。与之相反，预测溶栓后再通成功与否、出血转化或脑水肿风险的模型更具临床相关性，但相关研究仅有2项，且其中一项使用了初级医疗机构难以实现的DSC-PWI（动态磁敏感加权灌注成像）。差异诊断和风险预测类研究多集中于颈动脉斑块和血栓特性，与AIS急性期诊疗关联较弱。

4 预测模型未工具化

影像组学是一个涉及图像获取、预处理、特征提取和预测建模的复杂计算过程，需要统计学、编程和机器学习等多学科合作。理论上，对AIS患者的CT或MRI图像应用已发表的影像组学流程应能获得可比预测结果，以指导临床决策。然而，从初级医疗机构视角看，现有模型远未达到临床实用水平。

感兴趣区域（ROI）分割是特征提取的基础，主要方法包括手动、半自动和自动。分析发现，82项研究中59项（72%）采用手动勾画，但该方法耗时长（通常超过15分钟/例），且存在显著观察者间差异，不同医师勾画的ROI边界可能严重影响特征提取和预测结果。自动或半自动方法（如神经网络）虽可解决一致性问题，但对硬件和技术知识要求较高，超出了多数初级医疗机构的能力。

影像组学预测模型需输入通过标准化预处理流程（如去颅骨、图像配准、降采样等）提取的特征，该流程复杂且各研究存在细节差异。完全复现这些流程对初级医疗机构医生而言技术难度大、时间成本高，与AIS救治的紧迫性相矛盾。理想解决方案是将所有中间步骤封装成用户友好软件，医生只需输入图像、选择预测目标即可直接获取结果。但目前尚无研究开发此类临床工具。

5 不可靠的预测结果

AIS管理要求所有临床评估必须高度精确可靠，因此影像组学预测模型需具备高精度和稳健性。然而，现有研究的可靠性存在显著问题。首先，大多数研究（71.8%）使用单中心数据，仅28.2%纳入多中心数据，导致模型泛化能力不确定。其次，样本量差异巨大（最少10例，最多4163例），其中25.6%的研究样本量不足100例，可靠性存疑。

类别不平衡是另一重要问题。某些预测目标（如出血转化）阳性率低，即便采用SMOTE等算法处理，仍可能引入过拟合和噪声干扰。仅用AUC等常规指标评价模型性能不足，需更全面的验证范式。以AUC>0.85、样本量>100且聚焦“预后”和“治疗”预测为标准筛选后，仅24项研究符合要求，其中CT研究14项。进一步排除使用双能CT（社区罕见）和聚焦血管内治疗（与初级医疗无关）的研究后，仅剩5项可能适用于初级医疗。其中出血转化预测模型的灵敏度或特异性仍不理想，样本量较小者泛化能力堪忧。

6 讨论

初级医疗机构作为大多数AIS患者的首诊场所，在抗击这一重症中扮演关键角色，但设备、人员和诊断能力的限制使其在AIS管理中常处于被动状态。从卫生经济学视角，在资源匮乏地区广泛配置CTP乃至MR灌注难度极大。影像组学通过医学影像的定量特征分析预测临床结局，可指导AIS诊疗，且开发成本相对低廉，部署费用远低于CTP/MRI普及投入，是当前阶段弥补初级医疗诊断能力不足的潜在替代方案。

当前影像组学研究在影像模态上偏重MRI，除因MRI能提供更丰富数据外，更因研究者多来自高级医疗机构，自然倾向利用其现有资源。预测目标不匹配则源于医疗体系的层级差异：高级机构专注于血管内治疗等高端技术，其研究也相应聚焦；而初级机构更需要溶栓相关预测模型，该需求在研究中被严重忽视。

预测性能不可靠是普遍问题，多数研究基于单中心数据、存在类别不平衡，且几乎全为回顾性设计，需前瞻性验证提供更可靠证据。现有模型总体预测精度不足，仅30%研究AUC>0.9，14.5%低于0.8，尚不足以指导高风险临床决策。

临床转化最大障碍在于模型未工具化。整合ROI勾画、图像配准、归一化、特征提取等步骤至统一平台是可行方向。深度学习神经网络或为解决方案，其需预处理少，原始图像可直接输入预测，更适合工具开发，但需多中心大数据训练。

需强调，本批评仅从初级医疗视角出发，不同疾病可能呈现新挑战。推进影像组学/AI不应替代在社区医院普及CTP/MRI的努力，也不应偏离对AIS病因和预防策略的探索。有人主张，随着“直接转诊”模式（疑似AIS患者绕过本地医院直接前往综合卒中中心）兴起，初级医疗对影像组学的需求将消失。该模式依赖准确临床分诊、移动卒中单元、远程会诊和云影像共享等基础设施，在发达国家尚难全国推广，发展中国家和资源匮乏地区障碍更多重。因此，初级医疗机构在AIS管理中仍不可或缺，本研究在此期间仍具临床相关性。

7 结论

总之，影像组学本可为初级医疗机构提供宝贵的决策支持，但现有AIS影像组学研究普遍忽视这些一线机构的实际需求，导致现实适用性有限。为弥合实施差距，未来研究必须优先考虑初级医疗视角，优化影像模态选择，对准临床相关预测目标，确保模型性能达到一线诊断标准，并开发用户友好工具——确保这些先进分析方法能真正加强关键首诊点的AIS管理。