European Radiology：基于血栓的放射组学模型在预测心源性卒中方面的应用

众所周知，卒中是世界范围内造成成人死亡和残疾的主要原因。机械血栓切除术（MTB）已经成为大血管闭塞引起的急性缺血性卒中（AIS）患者的标准治疗方法[。卒中发病机制的确定至关重要，因为人们普遍认为心肌栓塞(CE)血栓比非心肌栓塞(NCE)血栓更难清除，对血管重建尝试的反应更差。在临床上，NCE使用支架取回器作为MTB的第一种方法，而CE则倾向于结合导管抽吸和支架取回。如果能够根据入院情况准确、快速地预测CE卒中，将大大有助于神经介入医生部署合适的机械装置，并为早期联合治疗做好准备。

AIS患者的首次临床评估需要紧急造影，主要包括平扫计算机断层扫描（NCCT）和计算机断层扫描（CT）血管成像（CTA）。虽然目前还没有有效的CE卒中诊断标准，但心肌梗死的诊断可以根据一些如密度、长度和增强征等血栓CT特征，与卒中发病机制相关的三个主要成分：红细胞（RBC）、纤维蛋白和血小板（FP）、白细胞（WBC）相关。然而，测量这些CT特征通常只考虑血栓的有限CT特征。

放射组学将数字医学图像转化为大量的定量特征，反映了病变病理生理学的基本原因。迄今为止，基于血栓的放射组学研究揭示并鼓励血栓放射组学特征对其组成的预测，所产生的模型比标准CT特征更能预测再通的情况。此外，基于血栓的放射组学可以预测AIS中成功再通的MTB策略。然而，这些研究都没有经过外部验证，而且都只使用单相CTA图像进行血栓分割。

近日，发表在European Radiology杂志的一项研究利用入院时的NCCT和CTA图像建立了一个基于血栓的放射组学模型来预测CE卒中的发生，并初步探讨了放射组学与卒中血栓病理成分的相关性，以协助临床制定最佳的MTB策略。

本项回顾性研究连续纳入了403名AIS患者，纳入患者均在2016年4月-2021年7月期间依次接受了CT和MTB检查。这些患者被分组为训练组、测试组和外部验证组。收集血栓提取的放射学特征和基本信息构建了机器学习模型来预测CE卒中。放射学特征和基本信息被用于构建常规的放射学模型。同时建立了一个放射组学和放射学特征的组合模型，并在验证队列中对所有模型的性能进行了评估和比较。

在验证队列中，放射组学模型预测CE卒中的曲线下面积（AUC）为0.838（95%置信区间[CI]，0.771-0.891），明显高于放射学模型（AUC，0.713；95%CI，0.636-0.781；p=0.007），但与联合模型（AUC，0.855；95%CI，0.791-0.906；p=0.14）相似。与放射学特征相比，血栓放射学特征与红细胞（|rmax|, 0.74 vs. 0.32）以及纤维蛋白和血小板（|rmax|, 0.68 vs. 0.18）取得了更强的相关性。

 图 评价三个模型的性能结果。在训练(A)、测试(B)和外部验证(C)队列中识别CE卒中患者的接收操作特征(ROC)曲线下面积(AUC)

本项研究表明，与之前已知的放射学特征相比，基于CT图像的放射组学特征对预测AIS患者的CE卒中更为可靠。基于血栓的放射组学模型的优越诊断性能是基于其与血栓组成的更好的相关性。

原文出处：

Jingxuan Jiang,Jianyong Wei,Yueqi Zhu,et al.Clot-based radiomics model for cardioembolic stroke prediction with CT imaging before recanalization: a multicenter study.DOI:10.1007/s00330-022-09116-4