张 岩， 孙成建， 张照龙， 谢宜兴， 徐 锐， 刘国平， 赵晓龙， 邵黎明， 王振光

颅内动脉瘤的发病率为1%～2%，破裂后引起的蛛网膜下腔出血（SAH）占非创伤性SAH 的80%～85%［1］、破裂后所致死亡占了脑血管病死亡的22%～25%［2］。在颅内动脉瘤中，前交通动脉瘤占到了30%～35%［3］。 随着影像技术的发展与人们对健康的愈益关注，颅内动脉瘤临床检出率也越来越高。当发现未破裂颅内动脉瘤时， 往往需要权衡动脉瘤短期和长期破裂的风险以及手术自身相关的风险。PHASES 评分作为目前常用的判断颅内动脉瘤破裂风险的工具［4］，提出了将年龄、高血压、SAH 病史、动脉瘤大小、动脉瘤位置以及地理区域作为判断动脉瘤破裂风险的指标。 而具体到前交通动脉瘤，据文献报道，其破裂的危险因素包括动脉瘤的大小、形态、A1 优势、患者的年龄、病史等［5］。 机器学习作为近些年兴起的前交通动脉瘤破裂风险的预测模型建立方法，受到越来越多的关注。其中分类树及随机森林作为有监督机器学习中的一部分，是非常强大的方法，特别是在分类问题中。

1 材料与方法

1.1 材料

研究对象为经青岛大学附属医院临床科研大数据平台检索出的于2012 年12 月至2020 年4 月期间住院的前交通动脉瘤患者，共检索出452 例患者。 患者因SAH、脑血管疾病、健康查体等原因在我院行脑血管CT 血管造影（CTA）检查，并诊断为前交通动脉瘤。 381 例前交通动脉瘤患者符合纳入标准。 其中破裂引起SAH 患者244 例，未破裂前交通动脉瘤患者137 例。患者中男209 例，女172 例。破裂组平均年龄为（57.1±10.2）岁，未破裂组为（60.4±10.0）岁。……