成树亭 朱美娇 杨明

南京医科大学附属儿童医院放射科 210008

先天性心脏病（congenital heart disease，CHD）是儿童最常见的先天性缺陷，占所有先天性缺陷的0.8%～1.2%[1]。近年来，随着小儿心脏手术技术的进步及护理水平的提高，CHD 患儿的存活率大大提高[2]。然而，随访研究结果显示，CHD 患儿存在脑发育异常（如运动、认知、行为、社会能力及注意能力的异常）[3]。因此，如何早期发现这些异常，并在明显脑发育不良发生之前预测可能出现的异常是极其重要的临床问题。我们对基于影像学的预测模型在CHD 患儿脑发育中的研究现状及进展进行综述，旨在为今后的临床实践及研究提供参考。

1 预测模型的概念

预测模型是利用特定的预测因子来评估个体已经发生或在一定时间内将要发生的结局事件的绝对概率与风险。预测因子包括受试者的一般资料、临床症状、实验室检查结果和影像学特征等[4-5]。预测模型构建的经典方法有多元线性回归分析法、Logistic 回归分析法、岭回归分析法、Lasso 回归分析法、Cox 回归分析法及Kaplan-Meier 回归分析法等。随着人工智能的发展，基于机器学习的算法模型得到了越来越多的应用，其常用的算法包括聚类、决策树、支持向量机、贝叶斯分类、人工神经网络和集成学习等[6]。新兴的列线图可以通过一系列数学计算形成可视化的医学预测模型。

2 基于影像学的预测模型在临床中的应用

在现代医学中，预测模型已广泛应用于临床的各种疾病中，其不仅有助于疾病的早期诊断、而且可以预测治疗效果及远期预后，在患者治疗模式的选择、手术患者的筛选、术后辅助治疗方案的确定及医疗资源的合理使用中发挥了重要作用。……