基于CTA的颈动脉斑块与血管周围脂肪组织影像组学预测同侧脑卒中复发

《Frontiers in Neurology》:CT angiography–derived plaque and perivascular fat radiomics for predicting ipsilateral stroke recurrence in patients with carotid atherosclerosis

【字体: 大 中 小 】 时间:2026年04月16日 来源:Frontiers in Neurology 2.8

编辑推荐:

  为提升颈动脉粥样硬化患者同侧脑卒中复发风险预测的准确性,研究人员开展了一项整合CTA影像中颈动脉斑块与血管周围脂肪组织(PVAT)影像组学特征的机器学习研究。构建的联合模型在独立测试集中取得了0.87的高AUC值,优于单一模型,SHAP分析揭示了斑块纹理与PVAT特征的互补性,为个体化二级预防提供了新工具。

  
脑卒中依然是全球范围内导致死亡和长期残疾的主要原因之一,而颈动脉粥样硬化是缺血性脑血管事件的重要“元凶”。对于已经历过一次缺血性脑卒中或短暂性脑缺血发作(TIA)的患者,未来几年内再次发生同侧脑卒中的风险依然很高。然而,当前临床决策很大程度上依赖于管腔狭窄程度这一指标,但它并不能完全反映斑块的“脆弱性”(即易损性),也无法捕捉导致复发事件的复杂生物学过程。这就像仅凭河道变窄的程度来判断大坝是否会溃堤,而忽略了大坝本身的结构质量、内部裂缝和周围环境的侵蚀作用。因此,临床迫切需要更精细的成像生物标志物,以超越单纯的管腔狭窄,识别出真正的高危患者。
计算机断层扫描血管成像(CTA)作为一种广泛应用的常规检查,已被证明能够提供关于斑块成分、钙化模式和重构特征的有价值信息。与此同时,血管周围脂肪组织(PVAT)作为一个动态的血管炎症调节器,正受到越来越多的关注。影像组学作为一种高维定量分析框架,能够捕捉到超越常规视觉评估的空间纹理模式和强度分布特征,或许能更好地反映潜在的斑块组成和炎症重塑。那么,能否将颈动脉斑块和其周围的PVAT的影像组学特征结合起来,构建一个自动化的预测模型,更精准地预测患者的脑卒中复发风险呢?这正是发表在《Frontiers in Neurology》上的这项研究试图回答的核心问题。
为了开展这项研究,研究人员采用了几个关键技术方法。首先,他们回顾性地纳入了162名在2016年5月至2024年3月期间接受头颈CTA检查的单侧颈动脉粥样硬化患者,其中63人在随访中出现了同侧脑卒中复发。研究队列被随机分为训练集(129人)和测试集(33人)。其次,利用团队先前开发的基于深度学习的“CerebralDoc”系统,对CTA图像进行全自动分割,分别获取颈动脉斑块和PVAT的三维区域。接着,从这两个区域中提取了共计1070个影像组学特征,并经过特征筛选最终保留了10个最具预测性的特征。最后,研究构建了三种预测模型:仅基于临床因素(如糖尿病、总胆固醇TC、PVAT平均CT值及血管狭窄程度)的临床模型、仅基于斑块和PVAT影像组学特征的影像组学模型,以及结合了前两者的联合模型。模型开发使用了五种机器学习算法,并通过10折交叉验证进行优化,最终在独立的测试集中评估性能。模型的可解释性则通过沙普利加性解释(SHAP)方法进行分析。
研究结果
3.1 患者特征
共有162名患者(平均年龄69.3±8.3岁;136名男性)被纳入最终分析。在随访期间,63名患者(38.9%)出现了同侧缺血性脑卒中复发。基线特征分析显示,复发组与非复发组在糖尿病病史、总胆固醇(TC)水平、低密度脂蛋白(LDL)水平以及PVAT的平均CT值(HU)等方面存在显著差异。
3.2 特征筛选
从斑块和PVAT区域提取的1070个特征中,通过LASSO回归等方法筛选出10个最优特征(斑块6个,PVAT4个)用于构建影像组学模型。多变量逻辑回归分析则确定糖尿病、TC和PVAT平均值为与脑卒中复发显著相关的临床因素。
3.3 预测复发卒中风险的模型性能
在五种机器学习算法中,支持向量机(SVM)模型的性能最佳。在测试集中,结合了影像组学和临床因素的联合模型(基于SVM)取得了最高的预测性能,其曲线下面积(AUC)为0.87(95%置信区间CI: 0.74–0.97)。该性能显著优于单纯的影像组学模型(AUC, 0.80)和单纯的临床模型(AUC, 0.77)。
3.4 随机森林联合模型的SHAP分析
SHAP分析增强了模型的可解释性。特征重要性排名显示,斑块影像组学特征对预测复发风险的贡献强于PVAT特征。分析具体指出,较高的LDL、TC水平,以及特定的PVAT影像组学特征(如wavelet-LHL_glszm_LowGrayLevelZoneEmphasis)与较高的复发风险相关。此外,糖尿病病史也与复发风险增加有关。通过力导向图对个体患者的预测进行局部解释,直观展示了不同特征如何推动模型做出高风险或低风险的判断。
结论与讨论
本研究成功开发并验证了一个全自动的、基于CTA的双区域(斑块与PVAT)影像组学模型,用于预测颈动脉粥样硬化患者的同侧脑卒中复发风险。联合模型展现出了超越单一临床因素模型或单一影像组学模型的优异判别性能。更重要的是,SHAP分析揭示了具有生物学解释性的特征贡献:斑块纹理特征对复发风险有强烈影响,而PVAT衍生特征则提供了互补性的炎症信息。这些发现表明,对斑块结构及其周围炎症微环境进行定量表征,能够提供互补的预后信息,从而超越了仅依赖管腔狭窄的传统评估框架。
这项研究的意义在于,它将分析焦点从横截面的症状识别转向了纵向的复发事件预测,更贴近真实的临床决策场景。在临床上,该模型可能有助于识别那些在接受标准治疗后仍处于极高复发风险的患者,从而为个体化的二级预防策略(如加强医疗管理、更密切的随访或血运重建评估)提供影像学依据。尽管该研究存在单中心回顾性设计、样本量有限等局限性,但其提出的“斑块结构+炎症微环境”双区室风险评估框架,为利用广泛可及的CTA影像进行精准卒中风险管理开辟了有前景的新方向。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号