基于影像组学整合模型的脑海绵状畸形症状性出血风险预测研究

《Scientific Reports》：MRI-based radiomics model for predicting symptomatic hemorrhage in cerebral cavernous malformations: a two-center study

　　

预测脑cavernous malformations（CCM）的出血风险有助于支持临床决策，通过预防致死或致残的严重后果。本研究利用影像组学特征开发了预测症状性出血的模型。本研究分析了来自TOUCH队列（NCT03467295）的共153个非出血性病变用于模型开发，以及来自CRESS队列（NCT04076449）的54个病变用于外部验证，病变根据3年随访结果被分类为出血性或稳定型。临床变量通过单变量分析进行筛选，T1和T2加权MRI的影像组学特征通过LASSO回归进行选择。采用多变量logistic回归构建了三个模型：临床模型、影像组学模型以及结合两者的整合模型。整合模型展现了优越的预测性能，AUC值分别为0.860（训练集）、0.976（内部验证）和0.980（外部验证）。决策曲线分析和校准分析证实了其临床实用性和稳健性。该整合模型在本研究中有效分层了出血风险，并有潜力作为辅助工具支持脑cavernous malformations（CCM）的临床决策制定，但仍需进一步的队列验证。