Page 126 - 南京医科大学学报自然科学版

第42卷第8期
·1168 · 南 京 医 科 大 学 学 报 2022年8月

Lasso paths 2.5 AIS预后预测模型外部验证
6
利用所构建的模型，对验证集进行验证以评估
模型的效能。应用 ROC 曲线分析基于 DWI 序列构
4
建的模型预测验证集患者预后的灵敏度和特异度
coefficints 2 分别为 0.682、0.696，准确度为 0.689。基于 PWI 序

列构建的模型预测验证集患者预后的灵敏度和特
0
异度分别为 0.636、0.652，准确度为 0.644。基于
DWI+PWI构建的模型预测验证集患者预后的灵敏度
-2
和特异度分别为0.864、0.783，准确度为0.822（表2）。
-9 -8 -7 -6 -5 -4 -3 -2
ln（alpha） 3 讨 论
图2 2 632个影像组学特征的LASSO系数分布
Figure 2 The distribution of LASSO coefficients of 2 632 本研究基于 DWI 和 PWI 影像上提取了一系列
radiomics 影像组学特征，使用LASSO回归模型筛选出与预后
相关的40个最佳影像组学特征，并基于所选特征建
为0.720。基于DWI+PWI构建的模型预测测试集患 立SVM分类器模型。本研究发现，该模型在训练后
者预后的 AUC 为 0.891，灵敏度和特异度分别为 经测试集测试对AIS机械取栓治疗后预后具有较高
0.885、0.917，准确度为0.900（表2，图4）。 的预测价值，同时在外院的验证集中实现了较高的

A B
3.0 3.0
1.5 1.5
0.0 0.0
-1.5 -1.5
-3.0 -3.0

A：训练集；B：测试集。
图3 最佳影像组学特征分布热图
Figure 3 The distribution heatmap of the optimum radiomics

表2 急性缺血性脑卒中机械取栓治疗后预后预测模型的效能
Table 2 Efficacy of model for predicting outcome after mechanical thrombectomy in acute ischemic stroke
模型 准确度 灵敏度 特异度 阳性预测值 阴性预测值 AUC
训练集 DWI 0.838 0.833 0.843 0.849 0.827 0.786
PWI 0.762 0.759 0.765 0.774 0.750 0.752
DWI+PWI 0.943 0.944 0.941 0.944 0.941 0.981
测试集 DWI 0.780 0.769 0.792 0.800 0.760 0.762
PWI 0.720 0.692 0.750 0.750 0.692 0.652
DWI+PWI 0.900 0.885 0.917 0.920 0.917 0.891
验证集 DWI 0.689 0.682 0.696 0.682 0.696 —
PWI 0.644 0.636 0.652 0.636 0.652 —
DWI+PWI 0.822 0.864 0.783 0.792 0.857 —