基于多模态颈动脉超声的人工智能模型预测2型糖尿病患者急性缺血性中风风险

《Academic Radiology》:Multimodal Carotid Ultrasound-based Artificial Intelligence Model for Predicting Acute Ischemic Stroke Risk in Patients with Type 2 Diabetes Mellitus

【字体: 大 中 小 】 时间:2026年10月11日 来源:Academic Radiology 4.7

编辑推荐:

   研究原理与目标2型糖尿病(T2DM)患者发生急性缺血性卒中(AIS)的风险较高,但准确的危险分层仍然具有挑战性。本研究旨在开发并验证一种基于颈动脉超声的多模态模型,以改善AIS风险预测。材料与方法本多中心回顾性研究共纳入来自两个中心的480名接受颈动脉超声检查的T2DM患者,

  

研究原理与目标

2型糖尿病(T2DM)患者发生急性缺血性卒中(AIS)的风险较高,但准确的危险分层仍然具有挑战性。本研究旨在开发并验证一种基于颈动脉超声的多模态模型,以改善AIS风险预测。

材料与方法

本多中心回顾性研究共纳入来自两个中心的480名接受颈动脉超声检查的T2DM患者,其中一个中心(n=394)用于模型开发,另一个中心(n=86)用于独立外部验证。本研究开发了一种基于Swin Transformer的双尺度深度学习框架,以同时捕捉局部斑块特征和周围血管背景。将深度学习特征与影像组学及临床特征相结合,构建多模态模型。采用曲线下面积(AUC)以及校准分析和决策曲线分析评估模型性能。

结果

多模态模型在内部队列中达到AUC 0.952(95% CI: 0.910–0.984),在外部队列中达到AUC 0.939(95% CI: 0.838–0.996),显示出优于单模态模型的性能。在阅读者研究中,AI辅助解读提高了所有阅读者的诊断性能,高级阅读者的AUC从0.760提升至0.857、从0.868提升至0.929;初级阅读者的AUC从0.450提升至0.700、从0.548提升至0.659。广义估计方程分析显示,高级和初级阅读者的诊断正确率均有显著改善,P值分别为0.00235和0.000343。

结论

整合颈动脉超声与临床、影像组学及深度学习特征的多模态框架,能够实现T2DM患者AIS风险的更好分层。

章节摘录

引言

卒中仍是全球范围内导致死亡和长期残疾的主要原因之一,2021年全球疾病负担研究估计全球卒中发病人数为1190万例,现患病例为9380万例,凸显了其重大且不断增长的公共卫生负担(1)。在卒中亚型中,缺血性卒中占大多数,因其高残余死亡风险、功能损伤和复发风险而构成特别严重的挑战(2)。

研究人群

本回顾性多中心研究遵循《赫尔辛基宣言》进行,并获得了温岭市第一人民医院(台州学院附属温岭医院)伦理审查委员会(批准号LLTG-2025010)和海宁市中心医院伦理审查委员会(批准号KY-2025-2057-01)的批准。由于研究的回顾性性质,豁免了知情同意的要求。连续纳入2024年1月至

基线特征

如表1所示,训练集、内部验证测试集和外部测试集之间的基线特征总体可比。大多数人口学、临床和实验室变量在各队列间无显著差异。吸烟状态、高血压和斑块易损性存在显著差异(均P<0.05)。在实验室参数方面,门冬氨酸氨基转移酶、碱性磷酸酶、低密度脂蛋白胆固醇和载脂蛋白B

讨论

在本研究中,我们开发并验证了一种整合深度学习、影像组学和临床特征的多模态模型,用于预测T2DM患者的AIS风险。结果表明,综合模型在内部和外部队列中均始终取得最佳的诊断性能,优于单模态模型。值得注意的是,深度学习模型的表现优于临床和影像组学模型,并且在

结论

总之,提出的整合深度学习、影像组学和临床特征的多模态模型在T2DM患者AIS识别方面取得了优异的性能。该方法可为风险分层和临床决策提供有用的工具。未来需要开展基于更大、更多样化数据集的研究,以进一步验证和完善该模型。

资助来源

本工作得到浙江省医药卫生科技计划项目(项目编号2023KY518和2024KY839);浙江省中医药科技计划项目(项目编号2023ZF066);以及温岭社会科技发展项目(项目编号2026S00093)的资助。

CRediT作者贡献声明

孙艳宁:写作—初稿、验证、调查、数据整理、概念构思。冯保健:写作—初稿、可视化、软件、方法学、形式化分析。张亚明:写作—审阅和编辑、监督、资源、资金获取。王思思:调查、资金获取、数据整理。沈凤琴:调查、数据整理。欧笛:调查、数据整理。潘党印:调查、数据整理。李新辰:资源、

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

作者感谢参与数据采集和图像标注的临床医生和超声医师对本研究的宝贵贡献,同时感谢陆一丹在数据收集方面提供的协助。
孙艳宁|冯保健|张亚明|欧笛|潘党印|王思思|沈凤琴|李新辰|徐东
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号