临床放射学杂志

作者：郭影, 陈鹏宇, 赵俊果, 沈桂权, 李邦国, 高波

单位：550004 贵阳,贵州医科大学附属医院影像科郭 影、陈鹏宇、沈桂权、高 波;遵义医科大学附属医院影像科李邦国;黔西南州人民医院影像科赵俊果

关键词：自发性脑出血,影像组学,预后,列线图

基金：本研究系国家自然科学基金面上项目(编号:81871333)、贵州省科技支撑计划(黔科[2020]4Y159)

<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(sICH)患者短期预后并对模型进行验证。<b>方法</b> 回顾性获取本院289例sICH患者的影像学和临床资料,并以7∶3将患者随机地分为训练集与验证集。基于LASSO算法降维处理,采用5倍交叉验证方法调试出最优参数并结合5种机器算法建立预测模型,比较所有模型的准确性。通过训练集的多变量<i>Logistic</i>回归分析构建影像+临床的综合预测模型并绘制受试者工作特征曲线下面积(AUC)及列线图。获取外院同时期163例sICH患者的数据作为独立的外部验证集。<b>结果</b> 通过比较五种机器学习算法的性能,随机森林(RF)模型表现出最好的性能(AUC=0.83);临床影像组学列线图在训练集、内部验证集、外部验证集的AUC分别为0.88、0.86、0.86。校准曲线在训练集和外部验证集中均显示满意的效果(<i>P</i>&lt; 0.05),而在内部验证中一致性较差(<i>P</i>&lt; 0.05)。<b>结论</b> 基于影像组学结合机器学习的临床影像组学列线图是为sICH患者短期预后提供个性化风险评估的有效工具,其中RF算法模型表现最好。

来源：2024年第9期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第9期