宋祖华，周治明*，郭大静，唐茁月，李 欣

(1.重庆医科大学附属第二医院放射科，重庆 400010；2.重庆市人民医院放射科，重庆 400013)

自发性脑出血占脑卒中的10%～30%，致残率和死亡率高[1-2]，血肿扩大(hematoma enlargement, HE)被认为是自发性脑出血患者病死率和预后不良的独立预测因子和可调控因素[3-4]，因而准确预测HE对临床干预自发性脑出血具有重要意义。近年来，研究[5-11]发现多种CT平扫征象，包括卫星征、漩涡征、混合征和低密度征等以及临床和实验室指标可用于预测自发性脑出血早期HE。基于机器学习的预测模型具有较为准确的预测效果。作为经典的机器学习算法之一，朴素贝叶斯(naive Bayesian, NB)可自多变量大数据集中自动优化模型，并在最小监督下持续纳入新的临床数据[12]。本研究分析自发性脑出血早期HE相关因素，基于常规Logistic回归和NB分别构建预测自发性脑出血早期HE模型，并观察其预测价值。

1 资料与方法

1.1 一般资料 回顾性分析2015年4月-2019年11月486例于重庆医科大学附属第二医院经颅脑CT证实的脑出血患者。纳入标准：①年龄≥18岁；②发病6 h内接受初次CT扫描；③24 h内接受随访CT扫描。排除标准：①随访CT扫描前接受手术治疗；②缺血性脑梗死出血转化；③脑外伤、血管畸形、颅内动脉瘤及脑肿瘤等继发性脑出血；④原发性脑室内出血；⑤CT图像质量欠佳。最终纳入208例患者，男123例，女85例，年龄31～88岁，平均 (61.2±13.2)岁。HE的定义：随访CT显示血肿体积比例较初次CT增加>33%，或血肿体积差>6 ml[4,13]。HE组86例，男60例，女26例，年龄32～88岁，平均(62.1±13.4)岁；非HE组122例，男63例，女59例，年龄31～88岁，平均(60.6±13.2)岁。本研究经医院伦理委员会批准，患者均签署知情同意书。