Ключевые результаты
Исследователи разработали интерпретируемую модель машинного обучения, объединяющую радиомические характеристики диффузионно-взвешенных изображений (DWI) и клинические факторы для прогнозирования 90-дневных функциональных исходов у пациентов с острым ишемическим инсультом после внутривенного тромболизиса.
Ключевые результаты:
- Комбинированная модель (Combined-LR) показала превосходную производительность: AUC 0.939 на обучающей выборке, 0.862 на тестовой
- D-димер выявлен как независимый фактор риска неблагоприятного исхода
- Модель значительно превзошла чисто клиническую модель (p < 0.001 на обучении, p = 0.036 на тестировании)
- Analysis decision curve показал более высокую клиническую пользу комбинированной модели
Методология
Дизайн исследования: Ретроспективное одноцентровое исследование
Пациенты: 115 пациентов с острым ишемическим инсультом, получивших внутривенный тромболизис (январь 2024 — сентябрь 2025)
Основные методы:
- Стратификация по модифицированной шкале Рэнкина (mRS) через 90 дней: благоприятный исход (0-2) vs неблагоприятный (3-6)
- Извлечение радиомических характеристик из DWI-изображений
- Построение четырех моделей машинного обучения: Logistic Regression, Decision Tree, LDA, LightGBM
- Интерпретация моделей с помощью SHAP-анализа
- Дополнительный транскриптомный анализ данных окклюзии средней мозговой артерии у крыс для изучения механизмов D-димера
Валидация: Bootstrap-валидация (optimism-corrected AUC 0.838) и кросс-валидация (AUC 0.772)
Клиническое значение
Практическая значимость для врачей:
- Модель обеспечивает объективный инструмент стратификации риска для пациентов после тромболизиса
- D-димер как доступный биомаркер может быть легко интегрирован в клиническую практику
- Decision curve analysis подтвердил практическую полезность модели в широком диапазоне пороговых значений риска
Механистические находки:
- Транскриптомный анализ выявил активацию генов системы комплемента/коагуляции
- Ключевые гены: Serpine1 (PAI-1), C5ar1, Itgam (CD11b)
- Данные указывают на роль воспалительно-коагуляционных каскадов в формировании исходов
Потенциальное влияние на практику:
- Персонализированная оценка прогноза для информирования пациентов и семей
- Оптимизация планирования реабилитационных мероприятий
- Стратификация пациентов для клинических исследований
Выводы
Исследование демонстрирует успешную интеграцию радиомики и клинических данных для прогнозирования исходов тромболизиса при остром ишемическом инсульте. Комбинированная модель показала статистически значимое превосходство над традиционными клиническими предикторами.
Ограничения и перспективы:
- Необходима внешняя многоцентровая валидация для подтверждения воспроизводимости
- Транскриптомные данные носят гипотезогенерирующий характер и требуют дальнейшей валидации
- Потенциал для развития автоматизированных систем поддержки принятия решений в stroke units
Разработанная модель представляет собой значимый шаг к персонализированной медицине в лечении острого ишемического инсульта и может стать основой для будущих проспективных исследований.