(相关资料图)

6月13日，北京医院神经外科张东教授团队在《转化卒中研究（Translational Stroke Research）》发表了脑动静脉畸形破裂预测模型相关研究，首次提出基于CT血管造影原始图像影像组学建立脑动静脉畸形破裂出血风险模型的方案。

该研究揭示了影像组学特征在预测脑动静脉畸形破裂中的意义，以及用集成学习方法构建的机器学习模型的优点和功效。一是通过构建用脑动静脉畸形破裂的传统影像学危险因素与影像组学特征的线性模型，证明了影像组学特征对脑动静脉畸形破裂的预测价值；二是使用Stacking结构构建了一个脑动静脉畸形破裂风险预测的机器学习模型，相比较传统的建模方法增强了模型的性能，说明了集成学习法在模型开发中的重要性。

脑动静脉畸形在传统的影像学中破裂危险因素主要来自临床医生的观察和测量。影像组学特征是基于对图像的数学计算而得到，是对传统影像学危险因素的补充。据介绍，本项研究预测模型ROC曲线下面积的AUC值为0.893，是截至目前国际专业期刊所报道的AUC最高值。该预测模型在临床实践中可以帮助医生系统全面地评价、针对和预估病情。

责编：陈龙飞