徐 伟 李辉萍 贺国华 胡 珏 童洋萍 徐桂兰 曾文高 刘新峰 王 振，4△

【提 要】 目的 利用人工智能系统建立一个有效的预测模型，对脑梗死静脉溶栓后的出血转化进行早期预测。方法 回顾性分析2016年6月至2019年11月南华大学附属长沙中心医院前瞻性注册登记的静脉溶栓患者的资料。收集患者的人口学、临床、理化及影像学指标共53项，利用单因素判别分析建立单因素模型，利用逻辑回归(LR)、朴素贝叶斯(NB)、随机森林(RF)、人工神经网络多层感知机(MLP)建立多因素预测模型，对脑梗死患者静脉溶栓后的出血转化进行预测。用受试者工作特征曲线下面积(AUC)评判预测模型好坏。结果 本研究共纳入283例患者，其中有27例出现出血转化，出血转化率为9.5%。单因素模型中，以年龄作为预测因子的模型预测效果最好，其AUC为0.74，当选择76岁为截断值时，其敏感度为67%，特异度为72%。多因素模型中，RF模型预测效果最好，其AUC为0.90，灵敏度为0.85、特异度为0.89；LR模型的AUC为0.87，灵敏度为0.89、特异度为0.85；NB模型的AUC为0.87，灵敏度为0.76、特异度为0.86；MLP模型的AUC为0.82，灵敏度为0.81、特异度为0.78。结论 基于人工智能的RF模型效果优于其他模型，可用作医学辅助诊断系统来预测脑梗死静脉溶栓后出血转化的发生。

脑梗死是神经内科常见病、多发病，具有发病率高、致残率高、致死率高、复发率高的特点[1]。超早期静脉溶栓是目前最为有效的治疗手段之一[2]。出血转化(hemorrhagic transformation，HT)指脑梗死后缺血区血管重新恢复血流灌注导致的梗死区内继发性出血或远隔部位的出血。HT是静脉溶栓的一个严重并发症，严重影响了静脉溶栓的治疗效果[3]，也是脑梗死患者静脉溶栓后出现神经功能恶化[4]、引起医疗纠纷的主要原因之一。……