在急性缺血性卒中(AIS)患者中，如果在症状出现后4.5小时内可进行静脉溶栓，可以改善功能预后。然而，高达25%的患者卒中发作的确切时间未知，这些患者可无法能没有接受静脉溶栓治疗。因此，准确确定卒中发作时间(TSS)是至关重要的。虽然计算机断层扫描(CT)衰减是脑卒中发生时间的可靠指标，但其诊断准确性往往受到放射科医生主观性的影响。通过多模态CT或磁共振成像(MRI)序列的不匹配识别出可利用的组织，一些TSS未知的脑卒中患者可以从早期治疗中获益。然而，在卒中决策中将“时间窗口”替换为“组织窗口”可能会导致更多的不良事件。

现阶段，放射组学模型已被用于预测TSS，定量放射组学特征的高通量提取和分析可以反映4.5 h内和之后TSS的差异。尽管先前使用此类模型的研究结果令人鼓舞，例如基于MRI放射组学特征的机器学习模型对TSS进行分类、基于CT的基底神经节梗死放射组学模型预测TSS 以及另一种基于CT血管造影的血栓放射组学模型用于预测多中心患者的TSS，这些研究仅将放射组学方法与常规图像相结合，并且某些策略仅对特定患者有效。

双能计算机断层扫描(DECT)是一种具有独特优势的新型成像技术，与传统CT相比，DECT重建的虚拟单能(VM)和虚拟无对比(VNC)图像已被用于优化脑梗死的可视化。在两个管电压下获得的DECT图像可允许使用合适的方法提取强大的放射组学特征用于TSS预测。

近日，发表在European Radiology杂志上的一篇研究开发和验证了基于双能计算机断层扫描(DECT)图像和临床特征的放射组学模型，以分类卒中后的时间(TSS)并进一步协助临床决策。

本项回顾性三中心研究纳入了2016年8月至2022年8月期间接受DECT治疗的488例脑卒中患者。符合条件的患者根据中心分为训练组、试验组和验证组。根据估计TSS阈值≤4.5 h将患者分为两组。虚拟图像优化了早期缺血性病变的可见性，CT衰减更大。从DECT重建的多能、碘浓度、虚拟单能和非对比度图像中提取了535个放射组学特征。评估人口统计学因素，建立临床模型。放射组学模型是一种通过多因素logistic回归分析Rad评分和临床因素对TSS进行分类的工具。研究采用受试者工作特征(ROC)分析评估预测效果以及决策曲线分析(DCA)比较不同模型的临床效用和获益。

利用12个特征建立放射组学模型。结合临床和放射组学特征的nomogram对TSS具有良好的预测价值。在验证队列中，nomogram AUC高于单纯放射组学模型和单纯临床模型(AUC: 0.936 vs 0.905 vs 0.824)。DCA证明了放射组学模型的临床应用价值。

 图 用于预测TSS的Nomogram。A Kaplan-Meier分析，B为训练组，C为测试组，D为验证组

本项研究表明，基于CT的放射组学模型为预测患者TSS提供了一种有临床前景的影像学方法。

原文出处：

Jingxuan Jiang,Kai Sheng,Minda Li,et al.A dual-energy computed tomography-based radiomics nomogram for predicting time since stroke onset: a multicenter study.DOI:10.1007/s00330-024-10802-8