临床放射学杂志

作者：欧阳建龙, 罗显廷, 陈志颖, 陈亮, 刘浩, 胡悦, 尹家瑜, 周宇元

单位：332100 九江,九江学院附属医院放射科欧阳建龙、罗显廷、陈 亮、刘 浩、胡 悦、周宇元,神经内科陈志颖; 530021 南宁,南宁市第一人民医院放射科尹家瑜

关键词：自发性脑出血,影像组学,机器学习,列线图,断层摄影术,X线计算机

基金：本研究系江西省自然科学基金资助项目（编号：20252BAC240545）; 江西省卫生健康委科技计划资助项目（编号：SKJP1220242116）; 广西壮族自治区卫生健康委员会自筹经费课题资助项目（编号：Z-A20221079）

<b>目的</b> 基于影像组学结合机器学习建立模型预测自发性脑出血患者近期预后并对模型进行验证。<b>方法</b> 回顾性搜集九江学院附属医院573例自发性脑出血患者的影像学特征及临床资料,构成训练集;并采用南宁市第一人民医院100例自发性脑出血患者的资料作为外部验证集。基于 LASSO 算法进行变量降维,采用 10 折交叉验证优化其正则化参数。利用选定的最优参数构建预测模型。随后,在训练集上拟合多因素 <em>Logistic</em> 回归模型建立联合预测模型,并计算受试者工作特征曲线曲线下面积(AUC)以评价模型的判别效能。<b>结果</b> 通过比较临床模型、影像组学模型和联合模型的性能：临床模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.710、0.792、0.828和0.526、0.857、0.706;影像组学模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.713、0.785、0.832和0.772、0.612、0.717;联合模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.710、0.846、0.860和0.579、0.857、0.725。综上,联合模型的性能最佳。模型评估结果显示校准曲线图验证了联合模型的良好预测准确性;同时,临床决策曲线分析证实该模型具有理想的临床净获益。<b>结论</b> 本研究通过整合影像组学特征和临床基线资料并应用机器学习方法构建的列线图,可为自发性脑出血患者的近期预后风险评估提供一种有效的个体化预测工具。

来源：2026年第3期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第3期