《Frontiers in Neurology》：Identification of symptomatic carotid plaque by CTA-based radiomics: a multicenter study
编辑推荐：
本研究通过多中心回顾性分析，构建并验证了整合临床特征、影像学指标与CTA影像组学特征的联合模型，可精准预测颈动脉斑块相关的同侧脑缺血事件。联合模型在训练集（AUC=0.819）、内部测试集（AUC=0.785）及外部验证集（AUC=0.868）均展现优异性能，为症状性斑块识别提供了超越传统评估手段的新策略。
引言
脑血管疾病（CVD）是全球致残和致死的主要病因之一，其中缺血性脑血管病（ICVD）占比超过80%。颈动脉粥样硬化是ICVD的重要危险因素，约20-30%的脑缺血事件与之相关。症状性斑块指引发短暂性脑缺血发作（TIA）或缺血性卒中（IS）的斑块，其早期识别对临床干预至关重要。头颈CTA具有空间分辨率高、扫描速度快等优势，可全面评估斑块形态特征。近年来，影像组学通过将图像转化为高维数据，为斑块稳定性评估提供了新视角。
材料与方法
本研究纳入3个中心的223例患者，分为训练集（134例）、内部测试集（34例）和外部验证集（55例）。基于近期是否发生同侧脑缺血事件，将患者分为症状组（110例）与无症状组（113例）。收集患者临床资料（如血小板分布宽度PDW）、CTA影像特征（如斑块溃疡、最小管腔面积）及影像组学特征。通过单因素分析、多因素逻辑回归筛选传统危险因素，采用组内相关系数（ICC>0.75）和LASSO回归选择稳健的影像组学特征。最终构建传统模型、影像组学模型及联合模型，并通过ROC曲线、校准曲线、决策曲线及五折交叉验证评估性能。
结果
多因素逻辑回归显示，PDW（OR=0.88; 95% CI: 0.80–0.97）与斑块溃疡（OR=5.67; 95% CI: 2.86–11.23）是症状性斑块的独立预测因子。从1781个影像组学特征中筛选出12个关键特征（如小波变换特征等）。模型比较显示，联合模型在训练集（AUC=0.819）、内部测试集（AUC=0.785）和外部验证集（AUC=0.868）均表现最优，其诊断效能显著优于单一模型（Delong检验p=0.038）。校准曲线与决策曲线证实联合模型具有良好临床适用性。
讨论
本研究创新性地发现PDW与症状性斑块负相关，且该关联独立于抗血小板治疗。斑块溃疡作为传统影像学标志物，与既往研究一致。影像组学特征可挖掘人眼难以识别的斑块异质性信息，联合模型整合多维度数据后表现出更高预测精度。研究优势包括多中心设计、全狭窄度斑块纳入及三维ROI分析，但存在样本量有限、回顾性设计等局限性。未来需开发自动分割算法以推动临床转化。
结论
基于CTA的影像组学联合传统特征可有效识别症状性颈动脉斑块，为缺血性卒中风险分层提供量化工具，有助于精准制定干预策略。
