目的 探讨基于高分辨率磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)的定量影像组学方法区分颅内动脉粥样硬化责任斑块与非责任斑块的能力.方法 回顾性分析2013年9月至2016年10月期间在海军军医大学附属长海医院接受HR-MRI检查的大脑中动脉和基底动脉狭窄患者.测量责任斑块和非责任斑块的最小管腔面积、斑块负荷、管腔狭窄程度、斑块内出血(intraplaque hemorrhage,IPH)、强化率以及109个定量影像组学特征.对于临床特征和传统斑块形态学特征,采用多变量logistic回归模型确定责任斑块的独立危险因素.采用随机森林监督式机器学习方法确定区分有症状斑块与无症状斑块的影像组学特征.构建有症状斑块的受试者工作特征(receiver operating characteristic,ROC)曲线,利用曲线下面积(area under the curve,AUC)描述诊断效能.结果 研究期间共纳入158名受试者,年龄(59.42±11.62)岁.75例患者的斑块位于大脑中动脉,83例患者的斑块位于基底动脉;有症状患者111例,无症状者47例.多变量logistic回归分析显示,吸烟[优势比(odds ratio,OR)2.724,95％可信区间(confience interval,CI)1.200～6.183]、IPH(OR 11.340,95％ CI 1.441～89.221)和强化率(OR 6.865,95％ CI 1.052 ～44.802)是责任斑块的独立危

作者：付贝；史张；田冰；彭雯佳；田霞；张雪凤；刘崎；陆建平

来源：国际脑血管病杂志 2019 年 27卷 4期