编辑推荐：
研究人员为解决 TBI 患者颅内高压预测问题，基于影像组学特征建模，模型有效，为临床预测提供新方法。
创伤性脑损伤（Traumatic Brain Injury，TBI）是神经外科的危急重症，致残率和死亡率居高不下。其中，早期创伤后颅内高压（Intracranial Hypertension）更是预后不良的重要标志。在当前的医疗手段中，头部计算机断层扫描（Computed Tomography，CT）凭借快速出结果、对出血敏感等优势，成为 TBI 早期诊断和病情评估的重要工具，也为预测颅内高压提供了依据。然而，现有的颅内高压预测主要依赖医生手动辨别影像特征，这种方式存在主观性强、对像素空间分布分析不足等问题。因此，开发更精准、客观的颅内高压预测模型迫在眉睫。
为攻克这一难题，来自上海交通大学医学院附属上海总医院、首都医科大学附属北京天坛医院等多机构的研究人员展开了深入研究。他们的研究成果发表在《Critical Care》杂志上。
研究人员为开展此项研究，运用了多种关键技术方法。样本队列方面，开发队列数据源于欧洲创伤性脑损伤协作神经创伤有效性研究（CENTER-TBI）数据库，验证队列则选取了上海总医院的患者数据。在图像处理上，采用全自动方法选取目标切片并分割感兴趣区域（Region of Interest，ROI），同时获取 15 项成像特征和一、二、三阶影像组学特征。数据处理时，通过多种统计分析方法对数据进行筛选和预处理，并运用多种分类器构建模型，还使用五折交叉验证评估模型性能。
下面来看具体的研究结果：
- 患者基线特征：从 CENTER-TBI 数据库中筛选出 4509 例有头部 CT 数据的患者，其中 911 例有 ICP 记录，排除不符合要求的患者后，882 例纳入研究，分为训练组 705 例和测试组 177 例。上海总医院的 84 例患者作为外部验证组。同时，对患者手术情况和 ICP 测量与 CT 检查时间间隔等信息进行了统计1。
- 多共线性分析和特征选择：共线性分析发现 “中线移位大于 5mm”“右侧大脑镰下疝”“左侧大脑镰下疝” 这三个变量的方差膨胀因子（VIFs）大于 10，将其排除后，保留 12 项成像特征构建形态学模型。通过递归特征消除（Recursive Feature Elimination，RFE），分别选取了 18 个一阶特征、20 个二阶特征和 14 个三阶特征23。
- 模型的建立和性能：最终建立了形态学模型、一阶模型、二阶模型、三阶模型和综合模型。在外部验证组中，这些模型的受试者工作特征曲线下面积（Area Under Curve，AUC）分别为 0.75、0.77、0.76、0.86 和 0.83，F1 分数分别为 0.54、0.73、0.63、0.72 和 0.75。结果表明，逻辑回归（Logistic Regression，LR）分类器在各模型中表现最佳4。
研究结论与讨论部分指出，本研究成功构建了基于影像组学特征的颅内高压预测模型。影像组学特征在预测颅内高压方面能力突出，优于形态学成像特征。综合模型结合影像组学特征和成像特征后，预测能力强且更稳定，其 F1 分数更高。这一模型为 TBI 患者颅内高压的预测提供了新途径，有助于临床医生更及时、准确地评估病情，制定更有效的治疗方案。然而，研究也存在一定局限性，如患者纳入过程存在选择偏倚、CT 检查与 ICP 测量存在时间间隔、图像分割未涵盖全脑区域、手动标注形态学特征存在主观性以及传统语义分割方法存在信息损失等。未来研究可针对这些不足，利用深度学习模型等方法进一步优化。
总体而言，该研究成果为创伤性脑损伤患者颅内高压的预测带来了新的曙光，虽然仍有改进空间，但无疑为后续研究和临床实践提供了重要的参考和方向，有望推动该领域的进一步发展。
