学术动态
神外前沿
脑动静脉畸形是一种颅内血管结构异常性疾病，为脑动脉与静脉之间缺少毛细血管网结构而形成的异常短路，常见的临床表现主要是颅内出血和癫痫，其中尤以破裂出血更为常见。研究显示，脑动静脉畸形的终身出血风险约为50%，未治疗、未破裂脑动静脉畸形的整体出血风险估计为每年 1%–3%，有破裂出血史的脑动静脉畸形再次破裂的风险显著高于未破裂的脑动静脉畸形。因此，在脑动静脉畸形的临床诊疗中，治疗决策的重要决定因素是平衡出血风险和干预风险。
(资料图片仅供参考)
2023年6月13日，北京医院神经外科张东教授（访谈链接）带领团队在中科院1区TOP期刊《Translational Stroke Research》发表了题目为“CT Angiography Radiomics Combining Traditional Risk Factors to Predict Brain Arteriovenous Malformation Rupture: a Machine Learning, Multicenter Study”（中文译名：基于CTA影像组学的脑动静脉畸形破裂预测模型：一项机器学习，多中心研究）的文章。
在国际上首次提出基于CTA原始图像影像组学建立AVM破裂出血风险模型的方案，模型ROC曲线下面积的AUC值为0.893，是截至目前国际专业期刊所报道的AUC最高值，使得该模型对于脑动静脉畸形破裂预测能力处于国际先进水平。
本研究通过对以下两个方面的研究，揭示了影像组学特征在预测脑动静脉畸形破裂中的意义，以及用集成学习方法构建的机器学习模型的优点和功效：一是通过构建用脑动静脉畸形破裂的传统影像学危险因素与影像组学特征的线性模型，证明了影像组学特征对脑动静脉畸形破裂的预测价值；
二是使用Stacking结构构建了一个脑动静脉畸形破裂风险预测的机器学习模型，相比较传统的建模方法，Stacking结构大大增强了模型的性能，说明了集成学习法在模型开发中的重要性。
脑动静脉畸形在传统的影像学中破裂危险因素主要来自于放射科医生和临床医生的观察和测量。影像组学特征作为一种无法通过肉眼观察得出，但实际来源于对图像的数学计算而得到的特征，可以是对高维影像信息的进一步挖掘，是对传统影像学危险因素的补充。本项研究的重要价值为，在临床实践中可以帮助医生系统全面地评价病情，进而让更多患者得到更及时、更准确的诊断与预估，为保障生命安全与健康作出新的积极贡献。
张东教授
张东，主任医师，教授，博士研究生导师，北京医院神经外科主任。长期从事神经外科疾病尤其是脑血管疾病和老年脑肿瘤的诊疗，擅长脑动脉瘤、脑血管畸形等出血性疾病、动脉粥样硬化等缺血性脑血管病的外科治疗，颅内外血管搭桥手术治疗烟雾病。主要社会任职为国家卫生计生委脑卒中防治专家委员会缺血性卒中外科专业委员会副主任委员。负责并参与国家自然科学基金项目，“十三五”“十一五”科技攻关等重大科研计划。荣获国家科技进步二等奖，中华医学科技奖一等奖，北京市科技进步一等奖、二等奖。相关报道：脑血管前沿| 天坛医院张东：被“忽视”的DOLENC入路 处理复杂部位动脉瘤有优势；天坛医院张东: DOLENC入路的解剖与临床 | 徕卡特约
神外前沿-科技推动学科进步；未经许可，严禁转载；
