《Frontiers in Neuroscience》：Multiparametric MRI radiomics and machine learning for outcome prediction in acute ischemic stroke: a retrospective study of 353 patients
编辑推荐：
背景：急性缺血性卒中（acute ischemic stroke, AIS）仍是全球死亡和残疾的主要原因。临床结局的早期预测对于指导治疗至关重要。多参数磁共振成像（magnetic resonance imaging, MRI）能够提供缺血组织的详细特征，并可
背景：急性缺血性卒中（acute ischemic stroke, AIS）仍是全球死亡和残疾的主要原因。临床结局的早期预测对于指导治疗至关重要。多参数磁共振成像（magnetic resonance imaging, MRI）能够提供缺血组织的详细特征，并可能预测AIS患者的预后。本研究评估了多参数MRI参数在预测AIS患者功能结局、复发风险和死亡中的预后价值。
方法：研究人员对353例在发病24小时内接受多参数MRI的AIS患者进行了回顾性分析。将弥散加权成像（diffusion-weighted imaging, DWI）病灶体积、表观弥散系数（apparent diffusion coefficient, ADC）最小值、灌注参数及磁敏感加权成像（susceptibility-weighted imaging, SWI）微出血等MRI指标，与出院时及90天时的美国国立卫生研究院卒中量表（National Institutes of Health Stroke Scale, NIHSS）和改良Rankin量表（modified Rankin Scale, mRS）评分进行相关性分析。采用受试者工作特征（receiver-operating characteristic, ROC）曲线分析评估各参数对临床结局的预测性能。
结果：在353例AIS患者中，平均就诊至成像时间为27±10分钟。较高的NIHSS评分、较大的DWI病灶体积、延长的平均通过时间（mean transit time, MTT）和Tmax以及增多的微出血与死亡和残疾显著相关，而较低的ADC、脑血流量（cerebral blood flow, CBF）和脑血容量（cerebral blood volume, CBV）与临床结局呈负相关。NIHSS≥10.5和DWI病灶体积≥52.5 mL的曲线下面积（area under the curve, AUC）分别为0.963和0.975，准确率分别为91.35%和92.79%；CBF≤20.5的AUC为0.975。NIHSS≥8.5和MTT≥8.5秒预测出血性转化的AUC分别为0.948和0.931。灌注阈值对90天复发的预测能力中等（AUC=0.7）。高血压、糖尿病和既往卒中史是预后不良的重要临床预测因素。上述预测指标仅反映研究队列内部的验证结果；在临床推广应用前仍需独立的外部验证。
结论：多参数MRI为AIS提供了可靠的预后信息。灌注和扩散参数的定量阈值有助于出血和死亡的风险分层，可增强个体化管理和结局预测。
急性缺血性卒中（acute ischemic stroke, AIS）是全球范围内致死致残的主要原因之一。早期准确评估临床预后对于指导再灌注治疗、优化资源配置和医患沟通至关重要。传统非增强计算机断层扫描（non-contrast computed tomography, NCCT）虽然是一线影像学检查手段，但对早期缺血性改变的检测敏感性较低。相反，弥散加权成像（diffusion-weighted imaging, DWI）能在发病数分钟内检测到急性缺血，多参数磁共振成像（magnetic resonance imaging, MRI）整合DWI、灌注加权成像（perfusion-weighted imaging, PWI）、磁敏感加权成像（susceptibility-weighted imaging, SWI）和液体衰减反转恢复（fluid-attenuated inversion recovery, FLAIR）等序列，可全面刻画缺血核心、低灌注区域及出血性转化风险。然而，既往研究多集中于传统CT工具，针对多参数MRI综合预测AIS多重临床结局的系统性评估仍显不足。为此，研究人员开展了一项回顾性队列研究，纳入353例AIS患者，评估多参数MRI参数在预测功能残疾、出血性转化、90天内复发和死亡中的价值。
研究发现，入院美国国立卫生研究院卒中量表（National Institutes of Health Stroke Scale, NIHSS）评分、DWI病灶体积、平均通过时间（mean transit time, MTT）和Tmax延长、SWI微出血数目增多与死亡和残疾显著正相关，而较低的表观弥散系数（apparent diffusion coefficient, ADC）最小值、脑血流量（cerebral blood flow, CBF）和脑血容量（cerebral blood volume, CBV）与不良结局呈负相关。多变量回归分析确认NIHSS评分、DWI体积、CBF、MTT和SWI微出血为院内死亡的独立预测因素。机器学习模型中，梯度提升模型预测性能最佳，影像组学特征进一步提升了预测能力。研究为临床风险分层提供了定量影像学阈值，具有潜在床旁应用价值，但所有预测指标仅为内部验证结果，仍需外部独立验证。
研究人员采用的主要技术方法包括：样本来自参与中心的353例AIS患者，均在症状发作24小时内接受西门子3T MRI扫描，采集DWI、ADC、PWI（CBF、CBV、MTT、Tmax）、SWI和FLAIR序列。依据ADC<600×10
?6 mm
2/s阈值半自动分割梗死核心，采用nnU-Net深度学习分割框架并辅以两名神经放射科医师校正。基于PyRadiomics提取148个影像组学特征，经低方差过滤、相关性分析和最小绝对收缩与选择算子（least absolute shrinkage and selection operator, LASSO）回归筛选特征。数据以70%/30%分为训练与测试集，所有特征选择与归一化仅基于训练集以防信息泄漏。构建逻辑回归、随机森林、支持向量机（support vector machine, SVM）和梯度提升四种模型，使用合成少数类过采样技术（synthetic minority oversampling technique, SMOTE）处理类别不平衡，以网格搜索结合10折交叉验证调参。模型评估采用受试者工作特征（receiver operating characteristic, ROC）曲线、校准曲线和Shapley加法解释（Shapley Additive Explanation, SHAP）特征归因分析。
研究结果按分析层次依次报告如下。3.1 研究人群基线特征：共纳入353例AIS患者，平均年龄63±12岁，男性占54.1%。高血压患病率56.5%，糖尿病18.8%，心房颤动9.6%，既往卒中史9.3%。入院NIHSS均值8±3，就诊至成像时间27±10分钟。院内死亡38例（10.8%），出血性转化81例（22.9%），90天内复发20例（5.7%）。3.2 MRI参数与临床结局的相关性：NIHSS评分与死亡（ρ=0.513）、出血转化（ρ=0.662）、出院mRS（ρ=0.895）和90天mRS（ρ=0.803）显著正相关；DWI体积、Tmax、MTT和SWI微出血也呈类似正相关；ADC最小值、CBF和CBV则与不良结局呈负相关，其中CBF与出院mRS的相关系数为-0.831。FLAIR和T2病灶相关性较弱。3.3 院内死亡预测：NIHSS≥10.5预测死亡的AUC为0.963，DWI病灶体积≥52.5 mL的AUC为0.975，CBF≤20.5的AUC为0.975；ADC最小值、Tmax延迟≥8.2秒、MTT≥8.5秒及SWI微出血≥6.5个的AUC介于0.951~0.973，阴性预测值达99%~100%。3.4 出血性转化预测：NIHSS≥8.5的AUC为0.948，MTT≥8.5秒的AUC为0.931，CBF≤22.5、CBV≤1.5、ADC最小值≤447.5和SWI微出血≥6.5亦能较好的预测该结局；FLAIR高信号预测能力弱（AUC=0.568）。3.5 90天复发预测：NIHSS≥8.5的AUC为0.786，各灌注阈值AUC介于0.700~0.767；阴性预测值高（96%~99%），阳性预测值低（9%~15%），低阳性预测值与复发事件发生率低（5.7%）有关。3.6 功能残疾预测：单因素回归显示高血压、糖尿病、既往卒中史、入院NIHSS、DWI体积增大、Tmax和MTT延长、CBF和CBV降低以及SWI微出血增多均与更高的出院和90天mRS评分显著相关。3.7 多变量逻辑回归分析：在校正混杂因素后，入院NIHSS（OR=1.31）、DWI体积（OR=1.04）、MTT（OR=1.22）和SWI微出血（OR=1.18）为死亡风险增加的独立预测因素，CBF升高为保护因素（OR=0.91）。3.8 机器学习预测模型：逻辑回归、随机森林、SVM和梯度提升四种模型中，梯度提升模型预测院内死亡的AUC最高（0.96），准确率92.5%，优于逻辑回归（AUC 0.91）。3.9 影像组学特征重要性：LASSO将148个特征缩减为预测特征，SHAP分析显示ADC熵、灌注异质性（gray-level co-occurrence matrix, GLCM）、小波滤波Tmax纹理和DWI病灶不规则性为主要贡献因子。3.10 模型校准与临床效用：Hosmer-Lemeshow检验p=0.42，模型校准良好；决策曲线分析显示在10%~70%阈值概率范围内提供净临床获益。
讨论部分指出，多参数MRI的弥散和灌注异常与AIS预后显著相关，梗死核心大小与低灌注范围共同决定临床结局。定量阈值可识别极高危患者，例如DWI体积超过50 mL且多发微出血者预后极差。影像组学特征进一步揭示了梗死灶内微观异质性，是对常规测量指标的补充。机器学习整合多模态数据后预测性能显著提升。研究局限性包括：所有预测指标仅来自同一队列的内部验证，缺乏外部独立验证；单次训练/测试划分而非嵌套交叉验证，可能高估模型表现；复发事件的阳性预测值低，更适合作为排除性筛查而非确诊依据。未来需在独立外部队列中验证模型的泛化性。结论部分指出，多参数MRI通过弥散与灌注异常与死亡、出血性转化及功能残疾的准确关联，提供了强有力的AIS预后信息；DWI病灶体积、CBF和MTT等定量阈值可有效预测结局，优于常规影像。研究支持进一步开展多参数MRI的外部验证，以推动其在早期风险分层和个体化管理中的临床应用。
