- 杨浩辉;连加辨;徐涛;栾中华;敖用芳;张宇昊;韩玉栋;朱家宝;
目的 构建并验证一个仅基于常规苏木精-伊红染色全视野数字切片（whole slide imaging,WSI）与临床特征融合的稳健预后模型，以提升其临床适用性。方法 回顾性分析癌症基因组图谱-胶质母细胞瘤数据集（the cancer genome atlas glioblastoma multiforme,TCGA-GBM）中300例患者的1 136张WSI及临床数据，按7∶3比例随机划分为训练集（210例）和测试集（90例）。采用弱监督深度学习框架，基于中位生存期（15个月）对超过340万个图像块进行预后相关特征提取，系统比较并选定预测概率直方图（patch likelihood histogram,PLH）作为患者级特征聚合策略。融合临床变量后，通过LASSO回归筛选出13个核心特征，并采用随机生存森林（random survival forest,RSF）、LASSO-Cox等8种机器学习生存模型进行集成建模与评估。结果 RSF模型在测试集表现最优，其在6、12、15、18、24、36个月的时间依赖性曲线下面积（area under the curve,AUC）分别为0.829、0.887、0.968、0.911、0.841和0.848，显示出从早期到中长期的稳定判别性能，一致性指数（C指数）稳定在0.782以上。模型校准性能良好，决策曲线分析显示在广泛的阈值概率范围内具有显著临床净收益。基于模型风险评分划分的高风险组、低风险组生存差异极显著（HR=5.184,95%CI:4.003～6.712,P<0.000 1）。可视化分析表明模型所识别的形态学特征与典型不良预后区域（如坏死、微血管增生）在定性层面相符。结论 GBM患者“病理组学-临床特征”预后模型具有优异的预测准确性、稳健性及临床实用性。该模型尤其擅长识别早期高风险患者，为实现GBM患者术后个体化预后评估提供一个基于常规数据、具有可视化解释潜力且易于推广的人工智能工具。
2026年02期 v.30 73-81页 [查看摘要][在线阅读][下载 1463K] [下载次数：24 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：0 ] - 韩雨薇;郝广志;陈立刚;霍达;李晓明;梁国标;朱廷准;
目的 建立动脉瘤性蛛网膜下腔出血（aneurysmal subarachnoid hemorrhage,aSAH）术后发生迟发性脑缺血（delayed cerebral ischemia,DCI）的临床预测模型，并探讨其危险因素。方法 回顾性分析651例aSAH患者资料，根据是否发生DCI，分为无DCI组494例和DCI组157例。通过单因素分析筛选出潜在危险因素，使用多因素Logistic回归分析构建预测模型，并通过受试者工作特征（receiver operating characteristic,ROC）曲线和校准曲线评估模型的预测性能和准确性。结果 单因素分析结果显示：手术方式、脑积水、世界神经外科联合会（World Federation of Neurosurgical Societies,WFNS）分级、GCS评分、Hunt-Hess分级、改良Fisher分级、凝血酶原时间（prothrombin time,PT）、国际标准化比值（international normalized ratio,INR）、活化部分凝血酶原时间（activated partial thromboplastin time,APTT）、D-二聚体、纤维蛋白降解产物（fibrin degradation products,FDP）等因素与DCI发生密切相关（均P<0.05）。将单因素分析中有统计学意义的变量纳入多因素Logistic回归分析，结果表明：开颅手术、GCS评分3～7分、改良Fisher分级≥3分、PT>13 s、INR>1.2、D-二聚体>0.55 mg/L是发生DCI的独立危险因素。基于多因素Logistic回归分析结果，将统计学意义显著的变量纳入预测模型。构建预测模型的方程为：Log[P(Y=1)/1-P(Y=1)]=β_0+β_1X_1+β_2X_2+...+β_k X_k。将651例患者按照7∶3的比例，随机分为模型训练集456例和模型验证集195例。验证集ROC曲线下面积（area under the curve,AUC）为0.861，校准曲线显示模型预测效果较好。结论 开颅手术、GCS评分、改良Fisher分级、PT、INR、D-二聚体是aSAH术后发生DCI的独立影响因素。构建的预测模型具有较高的预测效能，可为临床早期干预提供参考。
2026年02期 v.30 82-87页 [查看摘要][在线阅读][下载 1188K] [下载次数：42 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：0 ] - 白江;段高伟;宋志斌;马腾飞;姬文干;
目的 探讨血红蛋白-白蛋白-淋巴细胞-血小板（hemoglobin albumin lymphocyte platelet,HALP）评分、泛免疫炎症值（pan immune inflammatory value,PIV）与动脉瘤性蛛网膜下腔出血（aneurysmal subarachnoid hemorrhage,aSAH）患者术后认知障碍（postoperative cognitive impairment,POCD）的关系，并构建预测模型。方法 回顾性分析235例接受介入栓塞术治疗的aSAH患者资料，按照7∶3比例随机分为训练集（165例）和验证集（70例）。根据术后6个月是否发生POCD将aSAH患者分为POCD组和非POCD组，计算HALP评分和PIV。采用多因素Logistic回归分析aSAH患者POCD的影响因素并构建列线图预测模型，H-L检验拟合度，采用受试者工作特征（receiver operating characteristic,ROC）曲线评价模型的预测效能，一致性指数（C指数）评价模型区分能力，校准曲线评价模型的准确性，决策曲线评价模型的临床效益。结果 训练集165例aSAH患者POCD发生率为43.03%(71/165)，验证集70例aSAH患者POCD发生率为40.00%(28/70)。高血压病（OR=4.491,95%CI:1.605～12.564,P=0.004）、Hunt-Hess分级Ⅲ～Ⅳ级（OR=3.274,95%CI:1.252～8.559,P=0.016）、改良Fisher分级Ⅲ～Ⅳ级（OR=3.140,95%CI:1.239～7.962,P=0.016）、PIV升高（OR=1.011,95%CI:1.006～1.015,P<0.001）可增加aSAH患者POCD发生风险，HALP评分增加（OR=0.923,95%CI:0.888～0.960,P<0.001）可降低aSAH患者POCD发生风险。基于HALP评分、PIV构建aSAH患者POCD列线图预测模型[Logit(P)=-0.912+1.502×高血压病+1.186×Hunt-Hess分级+1.144×改良Fisher分级-0.080×HALP评分+0.011×PIV],H-L检验χ~2=5.819,P=0.668。训练集与验证集分别进行内部、外部验证：训练集与验证集列线图预测模型预测aSAH患者POCD的曲线下面积（area under the curve,AUC）分别为0.912、0.888，均大于高血压病、Hunt-Hess分级、改良Fisher分级、HALP评分、PIV单独预测（均P<0.05）。经1 000次自助采样法验证C指数分别为0.912、0.872，列线图预测模型的校准曲线贴合实际曲线，训练集阈值概率0.05～1.0范围内列线图预测模型能获得正向净获益，验证集阈值概率0.15～1.0范围内列线图预测模型能获得正向净获益。结论 HALP评分降低和PIV升高是aSAH患者发生POCD的影响因素，基于此构建的列线图预测模型对aSAH患者发生POCD具有较高的预测效能。
2026年02期 v.30 88-95页 [查看摘要][在线阅读][下载 1389K] [下载次数：25 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：0 ] - 巴吐鲁呼;吕全兰;阿木吉尔图;蔡伟;王胜;
目的 探讨重型创伤性脑损伤（severe traumatic brain injury,sTBI）患者经颅多普勒超声（transcranial Doppler ultrasound,TCD）参数与神经损伤及预后的关系，并构建预测预后不良的列线图模型。方法 回顾性分析94例sTBI患者临床资料，根据患者治疗后28 d存活情况分为预后良好组（存活，68例）与预后不良组（死亡，26例）。记录预后不良患者存活时间，统计并比较两组患者TCD参数[收缩期峰值血流速度（systolic peak flow velocity,Vs）、平均峰值血流速度（mean peak flow velocity,Vm）、阻力指数（resistance index,RI）、搏动指数（pulsatility index,PI）]，以及神经损伤指标[神经元特异性烯醇化酶（neuron-specific enolase,NSE）、S100钙结合蛋白β(S100 calcium binding protein β,S100β)、N末端脑钠素原（N-terminal pro-brain natriuretic peptide,NT-proBNP）、格拉斯哥昏迷量表（Glasgow coma scale,GCS）评分]。绘制生存曲线分析sTBI患者存活情况；采用双变量Pearson相关性分析sTBI患者TCD参数与神经损伤的关系；采用Cox回归分析sTBI患者TCD参数与预后的关系并构建列线图预测模型。结果 治疗后随访28 d并记录期间患者预后情况，其中预后不良26例，预后不良率为27.66%(26/94)，平均生存时间为14.00(10.00,18.00)d。入院时预后不良组RI、PI高于预后良好组，Vs、Vm低于预后良好组，差异具有统计学意义（均P<0.05）；预后不良组NSE、S100β水平高于预后良好组，NT-proBNP及GCS评分低于预后良好组（均P<0.05）。相关分析结果显示：sTBI患者RI、PI水平与NSE、S100β呈正相关（RI:r=0.256、0.229,PI:r=0.255、0.280，均P<0.05），与NT-proBNP、GCS呈负相关（RI:r=-0.210、-0.237,PI:r=-0.219、-0.271，均P<0.05）;Vs、Vm水平与NSE、S100β呈负相关（Vs:r=-0.316、-0.314,Vm:r=-0.314、-0.282，均P<0.05），与NTproBNP、GCS呈正相关（Vs:r=0.218、0.511,Vm:r=0.274、0.287，均P<0.05）。Cox回归分析结果显示：RI、PI高水平是sTBI患者预后不良的危险因素（HR=25.487、1.985，均P<0.05）,Vs、Vm是保护因素（HR=0.964、0.950，均P<0.05）；列线图模型一致性指数（C指数）为0.971，模型预测sTBI患者预后不良曲线下面积（area under the curve,AUC）为0.943，灵敏度0.846，特异度0.941，约登指数0.787。结论 sTBI患者TCD参数与神经损伤密切相关，同时基于TCD参数构建列线图模型能够有效预测患者预后不良风险。
2026年02期 v.30 96-101页 [查看摘要][在线阅读][下载 1181K] [下载次数：27 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：0 ] - 汪奇柏;程登贵;
目的 探讨血清标志物对前循环大血管闭塞急性缺血性脑卒中（acute ischemic stroke and large vessel occlusion,AIS-LVO）血管内机械取栓术（endovascular thrombectomy,EVT）后脑水肿与预后的预测价值。方法 选取108例前循环AIS-LVO患者，根据患者脑水肿严重程度分为轻度组（n=42）、中度组（n=31）、重度组（n=35）。采用有序多分类Logistic回归模型分析前循环AIS-LVO患者脑水肿严重程度的影响因素。比较不同水平核因子红细胞生成相关因子2(nuclear factor erythroid 2-related factor 2,Nrf2)、血红素加氧酶-1(heme oxygenase-1,HO-1)患者脑水肿严重程度及预后情况。结果 三组脑水肿患者血清Nrf2、HO-1水平比较，差异有统计学意义（均P<0.05），随着患者脑水肿严重程度的增加，患者血清Nrf2、HO-1水平降低。高血压病、入院时美国国立卫生研究院卒中量表（national institute of health stroke scale,NIHSS）评分高是前循环AIS-LVO患者EVT后脑水肿严重程度的独立危险因素，血管再通、Nrf2、HO-1可降低AIS-LVO患者EVT后脑水肿严重程度（均P<0.05）。似然比检验结果表明：该模型拟合有效（χ~2=81.629,P<0.01）。比较不同水平Nrf2、HO-1患者脑水肿严重程度及预后情况，差异具有统计学意义（均P<0.05）。前循环AIS-LVO患者Nrf2、HO-1水平降低，脑水肿更严重，预后不良风险越高。血清Nrf2、HO-1水平联合预测AIS-LVO患者预后的曲线下面积（area under the curve,AUC）为0.854，大于血清Nrf2(Z=2.146,P=0.032)和HO-1(Z=2.323,P=0.020)任一指标单独预测。结论 血清Nrf2和HO-1水平降低与前循环AIS-LVO患者脑水肿严重程度增加及预后不良相关，二者是脑水肿的保护性因子，且联合检测对预后具有更高预测价值。
2026年02期 v.30 102-108页 [查看摘要][在线阅读][下载 1175K] [下载次数：24 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：0 ]