颈动脉全斑块自动分割的影像组学模型对缺血性脑卒中的预测价值

目的:探讨基于头颈CT血管造影(CTA)颈动脉全斑块自动分割的影像组学模型对缺血性脑卒中发生风险的预测价值。方法:回顾性分析188例颈动脉粥样硬化病人的临床及影像资料。根据近期前循环供血区域是否出现缺血性脑卒中表现,将病人相应颈动脉分为症状组(118例)和无症状组(130例),若无症状病人双侧颈动脉均有动脉粥样硬化,则双侧均纳入无症状组,将2021年7月之前的病人作为训练集(199例),之后的病人作为测试集(49例)。采用单因素和多因素分析对临床参数进行比较。应用深度学习模型实现CTA颈动脉全斑块自动分割,基于分割结果,从中提取并筛选最优的影像组学特征。采用多层感知计算法构建预测模型,通过受试者工作特征(ROC)曲线、校准曲线及临床决策曲线评估模型性能。结果:全斑块自动分割的Dice值为0.80,与人工勾画一致性良好。训练集中临床模型、影像组学模型及临床-影像组学联合模型曲线下面积(AUC)分别为0.708,0.908和0.919,测试集中AUC分别为0.593,0.748和0.802。Delong检验显示,联合模型与临床模型的预测效能差异有统计学意义(P均<0.001),与影像组学模型差异不显著(P=0.360,P=0.186)。联合模型校准良好,且具有最高的临床净获益。结论:基于CTA颈动脉全斑块自动分割的影像组学模型联合临床参数有助于缺血性脑卒中发生风险的预测。