Eur Radiol：颅内动脉瘤的破裂风险让放射组学来预测！
颅内动脉瘤存在于3-7%的人群中，虽然动脉瘤的破裂率较低，但动脉瘤破裂的死亡率高达65%，因此，识别有破裂倾向的动脉瘤是至关重要的。动脉瘤的形态学和血流动力学已被证实与其发生破裂相关。同时，如高血压、血脂水平、饮酒、吸烟等也是引起动脉瘤破裂的风险因素。基于这些风险因素，临床上已提出了各种评估风险的方法，但预测性能仍有待提高。现阶段，人工智能已被应用于颅内动脉瘤的检测、风险管理和治疗计划但制定中。
颅内动脉瘤存在于3-7%的人群中，虽然动脉瘤的破裂率较低，但动脉瘤破裂的死亡率高达65%，因此，识别有破裂倾向的动脉瘤是至关重要的。动脉瘤的形态学和血流动力学已被证实与其发生破裂相关。同时，如高血压、血脂水平、饮酒、吸烟等也是引起动脉瘤破裂的风险因素。基于这些风险因素，临床上已提出了各种评估风险的方法，但预测性能仍有待提高。现阶段，人工智能已被应用于颅内动脉瘤的检测、风险管理和治疗计划但制定中。放射组学是一种新兴的分析技术，它从图像中提取特征，并以数据驱动的方法进行分析。它在癌症预后、放射治疗、肿瘤遗传学评估等诸多领域都被证明效果显著。然而，放射组学在预测动脉瘤破裂中的应用很大程度上尚待探索。
近日，发表在European Radiology杂志的一项研究应用放射组学评估破裂和未破裂动脉瘤之间的差异，并探讨了其在预测动脉瘤破裂中的潜在应用价值。
本研究共纳入122个动脉瘤(93个未破裂动脉瘤)。对每个病例提取形态学和放射组学特征。进行统计分析以确定显著特征，并将其纳入由机器学习算法构建的预测模型中。为了研究放射组学特征的有效性，我们构建并比较了三种模型。基线模型A以形态学特征构建，模型B添加放射组学形状特征，模型C添加更多放射组学特征。对模型C中最重要的10个变量进行多因素分析，以确定独立的危险因素。建立了一个基于独立危险因素的简化模型供临床使用。
5个形态学特征和89个放射组学特征与动脉瘤破裂显著相关。模型A、模型B、模型C的接受者工作特征曲线下面积分别为0.767、0.807、0.879。模型C明显优于模型A和模型B (p < 0.001)。多变量分析发现两个用于构建简化模型的放射组学特征所显示的AUROC为0.876。
模型a、模型b和模型c的ROC曲线(a)和精确召回曲线(b)。模型B由形态学特征和放射组形态特征组成。模型C由形态学特征、放射组形状特征、一阶直方图特征和二阶纹理特征组成。曲线上的黑色空心点表示约登指数确定的截断值
破裂动脉瘤和未破裂动脉瘤的放射组学特征是不同的。使用放射组学特征，特别是纹理特征，能够显著提高预测动脉瘤破裂的性能。
相关文章
评论
我要跟帖
.jpg)
