郭群，吴含，彭明洋，陈国中，殷信道，孙军

急性缺血性脑卒中具有发病率高、致残率高及病死率高等特点。机械取栓治疗可使闭塞的血管快速再通，改善卒中患者预后[1]。然而，研究显示机械取栓后预后差异较大，预后不良率约为28.6%～74.6%[2-3]。早期预测卒中患者的预后有助于早期个性化干预及康复治疗。以往的研究显示弥散加权成像(diffusion weighted imaging，DWI)梗死体积、Alberta早期CT评分(Alberta Stroke Program Early CT Score，ASPECTS)-DWI评分等可预测卒中预后[4-5]。但基于DWI预测卒中预后的结果仍存在争议。近年来，机器学习成为医学诊疗的研究热点，它可综合大数据影像资料，深度挖掘多维影像学信息，实现精准诊断及预测。本研究基于机械取栓治疗前DWI图像，采用影像组学方法获取大量特征，旨在探讨基于机器学习技术构建急性脑卒中机械取栓后预后的预测模型。

1 资料与方法

1.1 患者资料

本研究为回顾性研究，本研究经过南京市第一医院医学伦理委员会批准(批准文号：2017-148)，免除受试者知情同意。收集2017年1月至2020年9月在南京市第一医院就诊的急性脑卒中患者360例，其中男237例，女123例，年龄(68.29±19.54)岁。纳入标准：(1)年龄大于18岁；(2)急性前循环卒中患者；(3)发病时间为8 h以内；(4)机械取栓治疗前接受MRI检查；(5)接受机械取栓治疗；(6)有3个月的mRS评分。排除标准：(1)颅内出血、肿瘤或创伤；(2)MRI有运动伪影图像无法评估。采用随机分层抽样的方法将患者随机分为训练集252例，测试集108例。

收集患者的年龄、性别、入院NIHSS评分、发病至MRI检查时间、发病至机械取栓时间、与卒中密切相关的临床病史(高血压、糖尿病、房颤、高脂血症、高同型半胱氨酸)。……