基于未破裂的基底动脉瘤形态,利用一种新型动态预测模型来确定患者的预后

《Frontiers in Neurology》:Determination of patient prognosis based on unruptured basilar artery aneurysm morphology using a novel dynamic prediction model

【字体: 大 中 小 】 时间:2026年05月15日 来源:Frontiers in Neurology 2.8

编辑推荐:

  摘要及引言:本研究旨在开发一种新的预测系统,通过分析动脉瘤和周围血管的形态,来评估接受血管内栓塞治疗的基底动脉瘤(BAAs)患者的临床生存情况。 方法:回顾性研究了58名接受血管内栓塞治疗的BAA患者,中位随访时间为17.5个月。随访期间共有9例死亡(15.5%)。由于结果事件

  摘要及引言:本研究旨在开发一种新的预测系统,通过分析动脉瘤和周围血管的形态,来评估接受血管内栓塞治疗的基底动脉瘤(BAAs)患者的临床生存情况。

方法:回顾性研究了58名接受血管内栓塞治疗的BAA患者,中位随访时间为17.5个月。随访期间共有9例死亡(15.5%)。由于结果事件数量有限,我们采用了保守的建模策略,即使用最小绝对收缩和选择算子(LASSO)惩罚Cox回归进行变量选择,然后通过多变量Cox回归构建预后模型。开发了一种在线动态 Nomogram 来预测生存情况。使用一致性指数(C-index)和时间依赖的接收者操作特征(ROC)曲线来评估模型的区分能力。通过自助重采样进行内部验证,并使用决策曲线分析(DCA)来评估临床实用性。

结果:LASSO惩罚Cox回归确定了两个独立的预后因素——基底动脉(BA)直径和动脉瘤颈部——这些因素随后通过多变量Cox回归得到确认(BA:HR = 2.12,95% CI:1.01–4.45,p = 0.047;动脉瘤颈部:HR = 2.29,95% CI:1.04–6.23,p = 0.003)。该模型显示出可接受的区分能力,C-index 为0.805。校准曲线显示预测生存率和观察生存率之间有很好的一致性。DCA 在广泛的阈值概率范围(0–100%)内表现出优越的净效益,在85%的阈值下,每100名患者的不成功手术次数减少了80次以上。

结论:这种基于形态的在线动态 Nomogram 是预测血管内栓塞后BAA患者生存情况的实用工具。然而,鉴于样本量和事件数量的限制,这些发现应被视为探索性的,需要在更大的队列中进行外部验证。

引言:破裂的颅内动脉瘤是中风的重要原因,而基底动脉(BA)动脉瘤约占颅内动脉瘤的5%(1)。由于基底动脉瘤的位置较深且靠近脑干等关键结构(2, 3),患者发生残疾和死亡的风险较高。因此,管理基底动脉瘤(BAAs)至关重要。在基底动脉瘤的情况下,椎动脉的主导位置会影响椎基底动脉的血流动力学。同时,随着年龄的增长,基底动脉往往会向一侧弯曲,这可能会影响动脉瘤的发生和分布。这表明动脉瘤的发生和发展与局部血流动力学因素密切相关(2)。此外,先前的研究表明,前脑动脉(ACA)、中脑动脉(MCA)和基底动脉(BA)分叉处的顶角宽度显著大于无动脉瘤的分叉处(3–5)。在治疗未破裂的基底动脉瘤患者时,通常会临床比较动脉瘤随时间破裂的风险和手术风险。这种评估结合了患者的临床和影像学数据,有助于确定最合适的治疗策略——无论是手术治疗、介入治疗还是观察等待。近年来,因其微创和精确的特点,血管内栓塞逐渐成为 BA 动脉瘤的首选治疗方法(6–8)。然而,在此期间进行的大多数研究主要通过分析基于动脉瘤形态和血流动力学的单因素或多因素变量来评估风险,目前还没有公认的预测模型来评估血管内栓塞后的生存情况(9)。近年来,先进的成像技术和机器学习技术越来越多地被用于预测颅内动脉瘤的破裂风险和治疗结果,包括基于放射组学的模型和深度学习方法(10–12)。然而,这些模型大多关注破裂风险而非介入后的生存情况,并且很少有模型被转化为用户友好的、基于网络的实时临床工具。此外,大多数先前的研究仅开发了静态的预后预测模型。这一限制阻碍了基于不同患者特定指标的相关模型的及时临床应用(13, 14)。先前的研究表明,可以根据术前临床和影像学数据构建可靠且准确的预测模型(15)。为了验证这一假设,我们通过分析患者的术前临床和影像学数据,构建了一个基底动脉瘤的形态学模型。我们使用Cox比例风险回归分析开发了一个动态 Nomogram 预测模型,期望它能为临床医生在选择最佳治疗方案时提供有用的参考。

材料与方法:

人口统计:我们回顾性分析了2019年至2022年间在安徽医科大学第一附属医院北区接受脑部计算机断层扫描(CTA)的58名连续患者的影像学数据。纳入标准如下:(1)根据术前CTA影像诊断为基底动脉瘤;(2)年龄≥18岁;(3)主要治疗方式为血管内栓塞;(4)有完整的术前影像学数据用于形态学分析。排除标准如下:(1)之前已完成颅内动脉瘤的手术或血管内介入治疗;(2)同时存在颅内肿瘤或其他恶性肿瘤;(3)临床或影像学数据不完整;(4)在研究期间失去随访。所有患者在手术前均未接受任何侵入性介入治疗,如开放式动脉瘤夹闭或带动脉瘤隔离的血管旁路手术。术后生存情况在出院前立即进行了随访,并在此后定期随访。信息通过电话随访收集,中位随访时间为17.5个月。研究人群的人口统计特征见表1。该研究得到了安徽医科大学第一附属医院北区伦理委员会的批准(批准编号:PJ-YX2023-013)。由于这是一项回顾性分析,则无需获得患者的知情同意。此外,这项研究不会干扰患者的诊断或治疗过程。

表1:患者的人口统计特征

特征 值
性别 女性 38
男性 28
年龄 65(55.2–72)
高血压 14
糖尿病 3
吸烟 15
酒精滥用 5
动脉分叉角度 a1 113 5.05(110.53–181.05)
a2 94 4.42(65.81–109.06)
a3 126 6.66(103.61–136.78)
LSR 1.29(1.09–1.46)
血管直径 D1 11.75(1.27–2.33)
D2 2.45(1.89–2.96)
BA 3.37(3.05–3.79)
DR 0.78(0.7–0.91)

动脉瘤参数:
动脉瘤颈部 5.09(3.94–6.23)
最大直径 4.27(3.04–6.14)
宽度 4.02(2.96–5.27)
高度 4.03(2.82–5.62)
入射角 54.61(24.77–92.69)
体积 17.77(9.64–26.83)

三维模型的构建:我们参考了Gao等人(16)提出的方法,使用Materialise的Interactive Medical Image Control System(Mimics)软件根据患者的CTA数据构建了3D模型。所有3D重建都是使用Materialise的Interactive Medical Image Control System(Mimics,版本21.0;Materialise NV,比利时鲁汶)进行的,基于术前CTA DICOM数据。重建过程包括以下步骤:
(1)图像导入和阈值处理:将DICOM图像导入Mimics,并应用骨组织阈值(226–3,071 Hounsfield单位)以分离血管结构。手动选择感兴趣的区域(椎基底动脉系统)。
(2)3D区域生长:使用“Region Growing”工具从阈值掩模中提取连续的血管树,确保基底动脉及其分支与相邻骨骼分离。
(3)3D模型生成:使用“Calculate Part”功能将提取的掩模转换为3D对象,设置标准平滑参数(平滑因子=0.5,迭代次数=5)以减少表面不规则性,同时保留解剖细节。
(4)形态测量:所有测量都在3D模型上进行,使用Mimics的测量工具。(1)使用“Angle”工具测量角度(分叉顶角a1、小侧角a2、大侧角a3和入射角),该工具可以计算沿血管中心线或血管壁放置的三个点之间的角度。(2)使用“Distance”工具在每个血管段的中点测量直径[基底动脉(BA)直径和后脑动脉(PCA)直径(D1, D2),垂直于其长轴。(3)使用“Distance”工具测量动脉瘤颈部的最短距离。(4)使用“Caliber”和“Distance”工具测量最大直径、宽度和高度,其中高度定义为从颈部平面到动脉瘤 dome 的最大垂直距离。(5)在将动脉瘤囊与母血管分离后,使用“Volume”工具自动计算体积。(6)计算侧角比(LSR)和直径比(DR),分别为a3/a2和D2/D1。

形态参数的检测:根据Zhang等人(9)报告的方法,使用Mimics软件测量动脉分叉角度。分叉顶角定义为两侧后脑动脉(PCAs)形成的角度(a1)。小侧角(LA)定义为PCA与BA之间的较小角度(a2),大侧角(LA)定义为PCA与BA之间的较大角度(a3)。LA比(LSR)计算为a3/a2。其他测量包括动脉瘤颈部、最大直径、宽度、入射角和体积。根据Ingebrigtsen等人(17)报告的方法测量动脉直径。测量包括BA直径、直径较小的PCA(D1)、直径较大的PCA(D2)以及动脉直径比(DR),计算为D2/D1。总共两名经验丰富的神经外科医生分别独立进行了所有重建和测量,他们对彼此的测量结果和患者结局不知情。对于每个参数,使用双向随机效应模型的类内相关系数(ICC)来评估观察者间的可靠性,所有参数均显示出了极好的一致性(ICC > 0.90)。测量参数的定义如图1所示。

图1:基底动脉瘤形态的测量。A)展示了与基底动脉瘤相关的各种测量结果,包括动脉瘤颈部(a)、动脉瘤的最大直径(b)、动脉瘤的高度(c)、动脉瘤的宽度(d)和动脉瘤的入射角(e)。B)显示了其他测量结果,包括基底动脉(BA)的直径、后脑动脉(PCA)的较小直径(D1)、PCA的较大直径(D2)、分叉顶角(a1)、PCA与BA之间的小侧角(a2)和大侧角(a3)。

变量选择方法:为了确保预后模型的稳健性和避免过拟合,根据结果事件的数量来确定候选预测参数的数量。随访期间共报告了9例死亡。根据广泛认可的事件每变量(EPV)标准,建议每个预测参数至少有10个事件以保持模型稳定性和减少过拟合(18)。根据这一标准,可以可靠评估的预测参数最大数量少于1个。因此,采用了保守的建模策略。首先使用最小绝对收缩和选择算子(LASSO)惩罚Cox回归进行变量筛选以降低维度,只有非零系数的预测因子被纳入最终的多变量Cox回归模型。这种方法符合最近在样本量有限的研究中开发预测模型的方法学建议(18, 19)。

统计分析:使用R包“glmnet” v4.1–8进行了最小绝对收缩和选择算子(LASSO)惩罚Cox回归分析,用于变量选择和预后模型开发。通过十折交叉验证确定最佳惩罚参数(λ),并选择lambda.min作为调整参数。在该λ值下保留非零系数的变量,得到两个关键的预后变量。随后使用R包“survival”版本3.7.0构建了多变量Cox比例风险回归模型。使用“rms”包(v6.8.1)生成Nomogram 用于可视化,并根据Kaplan–Meier方法和自助重采样(B = 200)评估模型性能的时间依赖校准曲线(1年、2年和3年)。Nomogram 作为基于网络的工具部署,以提高可用性。通过一致性指数(C-index)和接收者操作特征(ROC)曲线来评估模型的区分能力。应用自助重采样进行内部验证,并生成校准曲线以说明观察结果和预测结果之间的一致性。进行决策曲线分析(DCA)以评估模型的临床实用性。p值< 0.05被认为是统计学上显著的。

动态Nomogram 使用R(版本4.2.0)中的shiny包(版本1.7.4)作为交互式网络应用程序部署。该应用程序托管在shinyapps.io云平台(RStudio,马萨诸塞州波士顿)上,该平台提供自动负载均衡和HTTPS加密。用户界面允许手动输入两个连续变量:基底动脉直径和动脉瘤颈部尺寸。预测的生存概率是基于拟合的Cox比例风险模型实时计算的,该模型使用从研究队列中估计的基线累积风险函数。重要的是,这款网络应用程序采用了无数据存储政策:用户输入的所有数据都不会存储在服务器上,并且生成预测结果后立即会被删除。该应用程序不收集任何可识别的个人信息(例如姓名、医疗记录编号或出生日期)。用户浏览器与服务器之间的通信通过HTTPS进行加密。应用程序界面会显示一份免责声明,说明该工具仅用于研究和教育目的,不能替代临床判断。该应用程序可以在https://wang97.shinyapps.io/dynnomapp/免费访问,相关的R代码也可以根据合理请求向作者索取。

**结果**
共有58名患者被纳入本研究并进行了随访。平均年龄为63.66岁,女性患者比例较高。14名患者(24.14%)有高血压病史,3名(5.17%)患有糖尿病,15名(25.86%)为吸烟者,5名(8.62%)有饮酒习惯。关于动脉分叉角度,43.10%患者的a1角度大于平均值149.75°,56.90%患者的a2角度大于88.63°,58.62%患者的a3角度大于121.63°。在其他血管参数方面,20.69%患者的LSR大于平均值1.55,41.38%患者的D1大于1.95,43.10%患者的D2大于2.56,34.48%患者的基底动脉直径大于3.56。51.72%患者的DR超过平均值0.77。在动脉瘤特征方面,27.59%患者的动脉瘤颈部宽度大于平均值6.07毫米,37.93%患者的最大直径大于5.11毫米,39.65%患者的动脉瘤宽度大于4.93毫米,39.66%患者的高度大于4.63毫米,43.10%患者的发生率角度大于63.52°,20.69%患者的体积大于28.84(表1)。中位随访时间为17.5个月(范围:1-58个月)。

**模型开发与变量选择**
在58名纳入研究的患者中,有9名(15.5%)在随访期间去世。由于结局事件数量有限,采用了保守的建模策略以避免过拟合。根据方法学建议,通常需要至少10的EPV比才能确保模型的稳定性。由于只有9个事件,可以可靠评估的预测参数数量少于1个。因此,首先使用LASSO惩罚Cox回归来减少变量维度并选择最相关的预测因子。

**诺模图开发**
基于LASSO惩罚Cox回归,确定了两个变量——基底动脉直径和动脉瘤颈部尺寸——作为与生存相关的独立风险因素(图2A,B)。Cox比例风险回归分析进一步证实,基底动脉直径(HR = 2.12,95% CI: 1.01–4.45,p = 0.047)和动脉瘤颈部尺寸(HR = 2.29,95% CI: 1.04–6.23,p = 0.003)是血管内栓塞治疗基底动脉瘤后生存的显著预测因子(表2)。为了可视化预测结果并便于临床应用,使用R软件(版本4.2.0)开发了诺模图(图2C,D)。此外,该模型的判别性能良好,基底动脉直径的ROC曲线下面积为0.745,动脉瘤颈部尺寸的ROC曲线下面积为0.823(图2E)。

**图2**
- 基底动脉瘤栓塞的整合预后评估:诺模图、动态生存曲线和ROC分析
(A) LASSO惩罚Cox回归系数曲线。纵轴显示每个候选预测因子的回归系数值,横轴表示–Log(λ)。通过十折交叉验证(lambda.min)选择最佳惩罚参数λ,垂直虚线表示选定的λ值。
(B) LASSO惩罚Cox回归的交叉验证曲线。部分似然偏差与–Log(λ)绘制在一起。垂直虚线表示最小化交叉验证偏差的最佳λ值(lambda.min),从而保留了两个非零系数的预测因子。
(C) 通过结合两个参数——基底动脉(BA)直径和动脉瘤颈部尺寸——开发了诺模图。根据每个参数值分配点数。总分表示考虑所有参数后的点数总和。Pr(TIME<12)表示一年生存率;Pr(TIME<24)表示两年生存率。
(D) 基底动脉直径和动脉瘤颈部尺寸都被确定为预测生存的风险因素。

**单变量分析与多变量分析**
- 单变量分析:
| 变量 | HR (95% CI) | p-value |
|----------------|------------|---------------|
| 年龄 | 1.02 (0.96–1.08) | 0.543 |
| 性别 | 0.89 (0.28–4.52) | 0.863 |
| 高血压 | 0.43 (0.63–8.72) | 0.203 |
| 糖尿病 | 2.98 (0.37–23.98) | 0.304 |
| 吸烟 | 0.82 (0.17–3.96) | 0.807 |
| 酒精滥用 | 1.63 (0.20–13.13) | 0.648 |
| 动脉分叉角度a1 | 1.00 (0.99–1.01) | 0.732 |
| a2 | 1.00 (0.97–1.02) | 0.698 |
| a3 | 0.99 (0.98–1.02) | 0.889 |
| LSR | 0.87 (0.39–1.93) | 0.736 |
| 血管直径D1 | 1.16 (0.65–2.06) | 0.613 |
| D2 | 1.18 (0.69–2.02) | 0.539 |
| 基底动脉直径 | 1.55 (1.16–2.09) | 0.003 |
| 2.12 (1.01–4.45) | 0.047 |
| DR | 0.48 (0.01–18.22) | 0.695 |
- 多变量分析:
| 变量 | HR (95% CI) | p-value |
|----------------|------------|---------------|
| 基底动脉直径 | 1.42 (1.16–1.72) | < 0.001 |
| 动脉瘤颈部尺寸 | 2.99 (1.44–6.23) | 0.003 |
| 最大直径 | 1.14 (0.96–1.35) | 0.134 |
| LSR | 0.87 (0.39–1.93) | 0.736 |
| 血管直径D1 | 1.16 (0.65–2.06) | 0.613 |
| D2 | 1.18 (0.69–2.02) | 0.539 |
| 基底动脉直径 | 2.12 (1.01–4.45) | 0.047 |
| DR | 0.48 (0.01–18.22) | 0.695 |
| 动脉瘤颈部尺寸 | 1.42 (1.16–1.72) | < 0.001 |
| 最大直径 | 1.14 (0.96–1.35) | 0.134 |
| 宽度 | 1.04 (0.90–1.21) | 0.598 |
| 高度 | 1.17 (0.93–1.48) | 0.181 |
| 发生率角度 | 1.00 (0.99–1.02) | 0.374 |
| 体积 | 0.99 (0.99–1.02) | 0.466 |

**诺模图的验证**
使用自助法重采样对开发的模型进行了内部验证。时间依赖的校准曲线(图3)显示,在接受血管内栓塞治疗的基底动脉瘤患者中,预测生存率与实际生存率之间有很好的一致性,表明模型具有令人满意的预测准确性。

**使用决策曲线分析(DCA)进行临床效用评估**
进行DCA以评估所开发预后模型的临床效用。阈值概率代表临床医生考虑进行血管内栓塞治疗时的最小不良结局(例如随访期间死亡)概率,平衡了治疗的潜在益处和风险。如图4A所示,在0至100%的阈值概率范围内,与“全部治疗”(对所有患者进行栓塞)和“不治疗”(不对任何患者进行栓塞)策略相比,该模型始终显示出更高的净收益,表明该模型在广泛的风险容忍度范围内具有临床价值。

**讨论**
血管形态、血流动力学、高血压、性别、年龄、吸烟和饮酒都是导致动脉瘤发展和进展的风险因素。其中,血管形态因素在动脉瘤的起始、形成和破裂过程中起着重要作用(20–22)。动脉瘤的几何形状、血流动力学和病理生物学之间存在相互作用,几何形状决定了血流状态,进而通过病理生物学影响动脉瘤的重塑和生长,从而改变其几何形状(23–26)。先前的研究显示,有动脉瘤的患者与无动脉瘤的患者在中间脑动脉(MCA)、内颈动脉(ICA)和基底动脉(BA)方面存在显著差异(27, 28)。研究还发现,基底动脉瘤患者的血管分叉角和分支血管角显著较小(p < 0.05)(28)。此外,根据拉普拉斯定律,壁较薄的动脉在相同血压下会承受更大的壁张力(29)。因此,对于两个大小相同的动脉瘤,携带动脉瘤的动脉直径越小,动脉瘤壁的张力越大。此外,动脉瘤的形态、大小和位置的变化也会影响破裂风险(30)。动脉瘤颈部的扩大会显著增加破裂风险,并与患者的生存时间密切相关。先前的研究已经建立了基底动脉(BA)直径、动脉瘤颈部尺寸和患者预后的相关性,这与本研究的Cox分析结果一致。因此,本研究根据现有文献选择了与动脉瘤相关的形态参数,开发了一种新型实用系统,用于预测血管内栓塞治疗后的患者生存情况。我们使用R语言构建了预测模型,并将其与传统统计软件(SPSS和Statistica)进行了比较。实验设计更具创新性,使用的技术更加全面,结果也更为准确。先前的研究已经证实了血管内栓塞治疗基底动脉瘤的有效性(31)。同时,先前的研究还显示出基底动脉瘤的形成与年龄较大、女性性别、动脉分叉顶角较大、母血管直径以及动脉瘤的形态特征之间的相关性(9)。在本研究中,Cox生存分析也表明,基底动脉直径和动脉瘤颈部尺寸与血管内栓塞治疗后的预后相关。其他因素,包括性别、年龄、a1、a2、a3、D1、D2、DR、LSR、最大动脉瘤直径、宽度、高度和发生率角度、体积,与基底动脉瘤血管内栓塞后的预后无关。我们的发现与最近在神经血管预测建模方面的进展一致。2023年至2025年间发表的几项研究采用了放射组学、机器学习和深度学习方法来预测颅内动脉瘤的破裂风险和治疗结果(10–12)。然而,这些模型主要关注破裂风险预测,而非术后生存,其中很少有模型被开发成用户友好的基于网络的工具用于实时临床应用。我们的研究通过提供一个易于访问的在线诺模图来解决这一空白,专门用于预测血管内栓塞后的生存情况。因此,我们基于上述风险因素开发了一个在线交互式诺模图。C指数和ROC分析主要用于评估模型的判别能力。使用自助法重采样进行内部验证,并构建校准曲线以评估模型,通过DCA评估模型的临床适用性。所有这些指标均表明,所开发的模型具有良好的判别能力、校准性能和临床适用性。在实际临床应用中,只需将患者数据输入在线模型即可快速获得个体术后生存预测。当高风险阈值概率在0至100%之间时,当前预测模型相比“全部治疗”和“不治疗”策略显示出更高的净收益。此外,当前模型将不成功的治疗风险降低了85%以上,即使临床医生要求非常高的确定性时也能提供临床价值。

**结论**
诺模图目前用于预测脑损伤和癌症患者的预后,并替代传统的预测模型(22, 32–34)。在Zhang等人的研究中(7),预后主要通过结合术前影像和血管形态或血流动力学参数进行分析,或通过开发静态模型来预测患者结局。在本研究中,我们基于术前影像构建了一个三维模型来量化与基底动脉瘤相关的形态特征,并使用R语言开发了一个新的预测模型,旨在帮助临床医生术前选择最佳手术方案,提供更有价值的指导,并减少不必要的手术(6, 8, 35)。我们开发了一个基于网络的预测模型版本,以便于临床使用并实现更及时和准确的 Risk 评估。如图3,1所示,可以通过输入个体患者信息来进行预测。例如,对于一名基底动脉动脉瘤患者,其动脉瘤直径为2.89,动脉瘤颈宽度为5.14,模型预测的生存时间为23.64个月,表明治疗后生存期相对较长,预后良好。该系统使用简单,能够提供及时准确的预测结果,并且易于理解。然而,当前研究存在几个局限性:首先,研究是在单一中心进行的,样本量相对较小,可能导致选择偏倚;其次,研究没有探讨地理因素、血流动力学因素或其他个体化因素是否会影响患者的术后生存(36, 37)。未来的研究应扩大样本量并纳入其他可能的相关风险因素以提升模型性能,还应开展多中心研究,利用其他中心随机选择的基底动脉动脉瘤患者的数据进行外部验证。先前的研究表明,高血压、糖尿病、吸烟史和饮酒等因素与动脉瘤的形成有关(20–22)。此外,整个随访期间仅发生了9例结局事件。根据临床预测模型的方法学建议,通常要求事件发生率比(EPV ratio)至少为10,以确保模型稳定性并避免过拟合(18)。由于结局事件数量有限,能够可靠纳入多变量Cox模型中的预测参数数量也受到限制。为减少过拟合风险,我们采用了LASSO惩罚Cox回归的保守变量选择策略,该方法也已在样本量较小的预后研究中得到应用(19)。尽管如此,研究结果仍属于探索性结论,需要在更大规模的独立队列中进行外部验证。第三,虽然先前研究指出高血压、糖尿病、吸烟史和饮酒等因素可能与动脉瘤的发展有关,但在我们的分析中这些变量并未被确定为生存的显著预测因子,这可能是由于样本量和结局事件数量有限所致。此外,这是一项回顾性队列研究,因此不可避免存在随访偏倚。医生在制定治疗方案时还应考虑与患者整体健康状况、并发症和偏好相关的其他风险因素。最后,本研究的随访时间中位数为17.5个月,未来需要更长的随访期来验证预后模型的准确性。

结论:我们开发了一种基于网络的动态计算图表,结合基底动脉直径和动脉瘤颈形态信息,用于预测未破裂基底动脉动脉瘤经血管内栓塞后的生存情况。该模型表现出良好的区分能力(C指数=0.805)、校准性能,并且在不同的阈值概率范围内具有较高的临床实用性(通过决策曲线分析验证)。尽管这项研究存在样本量小、单中心回顾性的局限性,但它提供了一种新型的基于网络的工具,可以整合易于测量的形态学参数,以支持个体化的生存预测。这种计算图表为临床医生提供了实用的辅助工具,有助于进行风险评估和参与患者的共同决策。需要在更大规模的多中心队列中进行外部验证,以进一步确认其普遍适用性。
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