2025年08月30日
星期六
8月24日，安徽医科大学第一附属医院医学影像科李小虎教授团队在国际顶级期刊《自然（Nature）》旗下著名期刊《npj数字医学（npj Digital Medicine）》（中科院一区Top，IF = 15.1），发表题为“入院后3天内使用术前/术后平扫CT预测蛛网膜下腔出血的功能结局（Prediction of functional outcomes in aneurysmal subarachnoid hemorrhage using pre-/postoperative noncontrast CT within 3 days of admission）”的原创性论著。
该研究首次提出了基于多时相CT 影像与临床变量的融合预测框架，验证了其在早期病程管理中的临床应用价值，有望为 aSAH 患者的个体化预后评估、ICU监护决策和康复方案制定提供智能化支持。安医大博士研究生殷鹏展为论文第一作者，李小虎教授为论文通讯作者，皖南医学院青年教师王家琦为共同第一作者，弋矶山医院影像科主任周运锋为共同通讯作者，安徽医科大学第一附属医院为第一完成单位和通讯作者单位。
动脉瘤性蛛网膜下腔出血（aSAH）是一种严重的脑血管疾病，具有极高的致死率和致残率。临床实践中，患者的长期功能预后不仅受动脉瘤破裂时的早期脑损伤影响，还受到迟发性脑缺血（DCI）、慢性脑积水（CH）等院内并发症的显著影响。如何在患者入院早期（尤其是3天内）准确预测预后，对临床治疗方案制定、重症监护安排以及康复资源合理配置具有重要意义。然而，现有的 WFNS 评分、Hunt-Hess分级和改良Fisher分级等传统临床工具往往受主观性限制，预测能力有限。
研究团队创新性提出融合术前CT平扫影像与术后1天至3天CT平扫影像，并结合临床信息，构建了五类深度学习预测模型（术前模型、术后模型、影像堆叠模型、临床模型和融合模型），并在多中心外部数据上进行系统验证，成功实现对aSAH患者预后的精准预测，为临床早期干预和个性化治疗方案的制定提供了强有力的决策支持。
研究突破单一影像或临床数据局限，通过“3D Resnet模型提取影像特征结合SVR整合多模态数据”，既保留平扫CT图像对出血、水肿等病变的敏感识别，又纳入Hunt-Hess评分等临床核心指标，实现了“影像-临床” 互补。进一步的亚组分析显示，该模型在有无 DCI 或 CH 的患者中均保持了稳定的预测性能，提示该模型并不依赖于这些院内并发症的发生与诊断，仅依托入院及早期 CT 影像与常规临床资料即可完成精准预后预测，真正满足临床早期决策的需求，提高了预测方法的普适性和临床转化价值。
研究获得安徽省自然科学基金、安徽省教育厅自然科学基金的资助。安徽医科大学第一附属医院首席专家余永强教授、江淮名医刘斌教授也为该项目研究作出了重要贡献。（第一附属医院医学影像科）
论文链接：https://www.nature.com/articles/s41746-025-01953-z
新闻链接：https://www.ahmu.edu.cn/2025/0827/c4325a190020/page.htm
网站内容来源于互联网，由网络编辑负责审查，目的在于传递信息，提供专业服务，不代表本网站平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的，请与我们取得联系，我们将协调给予处理（按照法规支付稿费或删除），联系方式：ahos@aiofm.ac.cn 。网站平台将加强监控与审核，一旦发现违反规定的内容，按国家法规处理，处理时间不超过24小时
版权所有：安徽省光学学会（社证字第 0156号）
地址：安徽省合肥市蜀山湖路350号中科院安徽光机所一号楼
EMAIL：ahos@aiofm.ac.cn
