简介：摘要目的基于多模态磁共振影像组学及临床危险因素构建急性脑卒中机械取栓术后出血转化的列线图模型。材料与方法回顾性分析2017年1月至2020年12月在南京市第一医院就诊的急性缺血性脑卒中患者病例174例，将患者病例随机分为训练集(n=122)和测试集(n=52)，根据治疗后24 h的磁共振图像将患者分成出血转化组和无出血转化组。采用A.K.软件提取弥散加权成像及灌注加权成像病变区影像组学特征并构建影像组学标签。通过多变量Logistic回归筛选最佳预测因子并构建列线图模型。利用受试者操作特征(receiver operating characteristic，ROC)曲线评估模型预测效能。结果每例患者各提取1584个影像组学特征，降维后筛选出15个与卒中出血转化高度相关的特征。ROC曲线显示联合影像组学标签、房颤史、年龄及入院NIHSS评分构建的诺莫图模型预测训练集出血转化的曲线下面积(area under the curve，AUC)为0.979 (敏感度和特异度分别为0.950、0.989)，预测测试集出血转化AUC为0.885 (敏感度和特异度分别为0.836、0.908)，均优于单一影像组学模型(AUC=0.763)或临床特征模型(AUC=0.707)。结论多模态磁共振联合临床特征的影像组学和机器学习可以预测急性脑卒中动脉取栓术后出血转化，且具有较高的可靠性。

简介：摘要目的基于扩散峰度成像（diffusion kurtosis imaging, DKI）直方图的影像组学特征构建低级别胶质瘤（low-grade glioma, LGG）患者预后的列线图模型。材料与方法回顾性分析2018年1月至2020年6月在南京市第一医院就诊的88例LGG患者的DKI资料。经DKE软件处理获得直方图参数特征，并经最低绝对收缩和选择算子筛选最佳影像特征后计算DKI评分。采用单因素Cox回归及多因素Cox回归分析筛选与LGG预后密切相关独立危险因素，并依此建立预测LGG预后的列线图。应用Delong检验比较临床变量模型和列线图模型差异，采用决策曲线分析（decision curve analysis, DCA）和校准曲线评估模型效能。结果年龄、WHO分级、脑叶位置、肿瘤部位、术后放疗与否、DKI评分是LGG预后的关键危险因素（均P＜0.05）。基于以上危险因素构建列线图模型，一致性指数为0.838（95% CI：0.816～0.860），预测LGG预后的曲线下面积为0.953，明显大于基于临床变量的模型的0.745（Z=-3.42, P=0.005）。DCA显示列线图模型的净收益优于临床变量模型。校准曲线提示在观察值与预测值之间有良好的一致性。结论基于DKI直方图的列线图模型可直观全面地预测LGG患者预后，为临床个性化评估患者生存预后提供有力工具。