老年患者蛛网膜下腔动脉瘤出血预后多模态模型的构建与验证

《BMC Neurology》：Construction and verification of multimodal model for prognosis in elderly patients with aneurysmal subarachnoid hemorrhage

　　

摘要

目的

本研究旨在基于临床、影像和实验室数据等多模态指标，构建并提供一个针对老年蛛网膜下腔出血（aSAH）患者预后不良的个性化预测模型。

方法

我们回顾性纳入了2017年1月至2020年12月期间连续诊断为aSAH的241例患者作为训练集。独立的时间验证集包括2024年1月至9月期间连续诊断的104例患者，并按时间顺序进行分配。在训练集中，通过单变量分析确定了预后不良的候选预测因子，并通过LASSO回归进行了优化。随后将这些显著变量纳入多变量逻辑回归以确定独立预测因子。利用这些预测因子，我们构建了随机森林（RF）、支持向量机（SVM）和k近邻（KNN）模型。模型性能通过接收者操作特征曲线下面积（AUC）、校准曲线和决策曲线分析（DCA）进行评估。模型可解释性和变量贡献通过SHapley加性解释（SHAP）进行分析。

结果

训练集和验证集之间的基线临床数据没有统计学上的显著差异（所有P>0.05）。多变量逻辑回归分析结果显示，世界神经外科联合会（WFNS）评分、改良Fisher分级、脑内血肿体积、蛛网膜下腔血块的最大厚度、C反应蛋白和症状性脑血管痉挛的持续时间被确定为预后不良的独立风险因素（所有P<0.05）。机器学习模型的性能评估表明，SVM模型的识别能力最强，其在训练集和验证集的AUC分别为0.838（95%置信区间：0.764–0.912）和0.791（95%置信区间：0.688–0.895）。校准曲线显示预测概率与实际风险之间具有高度一致性。DCA表明该模型在广泛的阈值范围内具有临床净效益。SHAP分析确认C反应蛋白、蛛网膜下腔血块的最大厚度和脑内血肿体积是增加预后不良风险的最重要因素。

结论

本研究成功构建并验证了一个基于多模态指标的老年aSAH患者预后不良预测模型。该模型具有稳健的性能、临床可获取的指标和良好的可解释性，为动态风险分层和分层管理提供了有价值的定量工具。