基于机器学习构建颈动脉易损斑块发生缺血性脑卒中的风险预测模型及其效能评价

脑卒中事件具有发病率高、致残率高及死亡率高的特点，动脉粥样硬化是缺血性脑卒中的最常见病因，尽管多数研究证实脑卒中发生率与血管狭窄程度呈正相关，但轻度管腔狭窄的病人脑卒中发生率也在上升，因此研究颈内动脉易损斑块的成分尤为重要。无创性斑块成像技术飞速发展，对颈动脉粥样硬化的诊疗提供了非常有利的手段，能够精准快速地识别易损斑块，人工智能在 CT、MRI 及超声对颈动脉易损斑块特征已有很多研究，但是对颈动脉斑块进行风险分层方面，尚未有研究将能谱 CT 及 MRI 定量参数整合入机器学习模型中，临床未广泛使用，仍需要进行大规模的前瞻性纵向研究。