基于機器語言的臨床預測模型對高血壓腦出血預后的預測

羅全芳 王超英 林江川 鄭志哲 李光海

福建省德化縣醫院 362500

腦卒中分為缺血性腦卒中和出血性腦卒中，出血性腦卒中高于缺血性腦卒中，其中在我國發病率最高的是高血壓腦出血(Hypertensive intracerebral hemorrhage，HICH)，其病程長，恢復慢，致殘率和病死率高，給家庭和社會帶來巨大的經濟負擔，如何提高患者的生存率和生活質量，給臨床醫師帶來巨大的挑戰。此類患者如果能早期、及時預測預后，提早給予干預治療，將改善患者的預后，是神經外科治療HICH的關注點和難點[1-2]。本研究基于我院HICH患者的數據庫，通過機器語言的多項式函數建立預測的數據模型GHRRSD[3]，以期為臨床指導治療、預測預后提供參考。

1 資料與方法

1.1 臨床資料 選取我院2019年1月1日—2021年12月31日住院HICH患者327例，其中男195例，女132例；年齡33～91歲,平均年齡(60.140±12.863)歲。病例納入標準：(1)年齡≥18周歲；(2)高血壓病史的患者，經由頭顱CT檢查證實有自發性腦出血；(3)發病后24h內首診我院。排除標準：(1)年齡<18周歲；(2)排除顱內動脈瘤、動靜脈血管畸形、煙霧病、腫瘤等其他原因引起的自發性腦出血；(3)合并肝功能障礙、腎功能衰竭、嚴重呼吸系統疾病等其他臟器病變；(4)入院后24h死亡，或者進行心肺復蘇術后；(5)有開顱手術病史。所有患者入院后按《高血壓腦出血中國多學科診治指南》[1]進行診斷和治療。

1.2 數據來源 入院時格拉斯哥昏迷評分(AGCS)由我院神經外科、重癥醫學科醫師評定。入院時的心率(AHR)、入院時的呼吸頻率(AR)、入院時的收縮壓(ASBP)、入院時舒張壓(ADBP)均由入院時急診科首次血壓記錄獲得，記錄數據時所有患者均未經院內治療。患者基線特征見表1。

表1 327例患者人口學的基本特征

1.3 治療方法 結合《高血壓腦出血中國多學科診治指南》，符合手術指征者根據病情采取：(1)行開顱血腫清除術(和)或去大骨瓣減壓術；(2)予神經內鏡下血腫清除術；(3)立體定向血腫穿刺碎吸術；(4)單純側腦室外引流術。剩余符合保守治療指征的予保守治療[1]。所有手術、保守治療患者住院時均在神經重癥監護下行脫水降顱壓、營養腦神經、維持腦灌注壓及維持電解質平衡等治療，病情穩定后轉入神經外科普通病房繼續治療，并予早期行康復理療。

1.4 預后情況評估 出院時行改良Rankin評分量表(mRS)，來評價患者神經功能恢復狀態，mRS為3～6分為預后不良組，0～2分為預后良好組[4]。

2 結果

2.1 數據模型的建立 使用R語言隨機分布函數將數據庫327例患者分為80%訓練組269例，20%測試組[5]58例。使用機器語言的多項式函數使用訓練組數據建立數據模型GHRRSD：AGCS、AHR、AR、ASBP、ADBP，經SPSS25.0正態性檢驗，五個變量均為正態分布。使用測試組數據對數據模型進行內部檢測。結果測試組數據能很好使用數據模型對患者預后進行預測。準確率86.21%，凈重新分類指數(NIR)P<0.001，敏感性87.10%，特異性85.19%。見表2。

表2 測試組內部檢測

2.2 數據模型的有效性檢測 運用R語言4.2.1分別做訓練組和測試組的ROC曲線，并將兩條曲線進行比較。見表3。兩條ROC曲線下的面積分別為0.881、0.941，能很好通過數據模型預測患者的預后，證實了數據模型的有效性。兩條曲線進行比較，D值=-1.726 7，F值=125.88,P=0.086 67。二者之間無統計學差異，通過訓練組數據得出的模型，能很好地對測試組數據進行預后預測。

表3 訓練組、測試組ROC比較

2.3 數據模型的實用性檢測 為了進一步說明數據模型的實用性，使用R語言，將數據模型模擬成動態列線圖并進行實用性檢測，使用數據庫第一個患者的資料進行預測。見圖1。

圖1 高血壓腦出血預測數據模型列線圖

圖中紅色點位數據是第一個患者入院時的基本資料及預測結果。AGCS=10分，AHR=76次/min，AR=20次/min，ASBP=165mmHg，ADBP=86mmHg，預測的分值為203分，概率為83.3%。說明該患者發生不良預后的概率為83.3%，是大概率事件。

3 討論

3.1 入院時格拉斯哥昏迷評分(AGCS)與HICH患者預后的關系 GCS評分是一種簡單有效的針對急性腦組織損傷(包括腦外傷、急性腦血管意外等)患者的病情評估評分量表，由三部分組成：瞳孔改變、語言改變、動作改變。總分15分，13～15分為輕型的顱內損傷，9～12分為中型的顱內損傷，4～8分為重型的顱腦損傷，≤3分為特重型顱腦損傷，處于瀕死狀態[6]。目前是世界范圍認可的神經外科急性腦組織病變的有效評分量表。當出現顱內的損傷時，臨床專科醫師根據瞳孔、語言及動作的變化做出GCS評分，結合影像學檢查對患者的病情做出判斷[7]，并針對性地進行治療。如果治療過程中，出現病情變化，也可以重復進行評分，并根據評分結果結合影像學檢查調整治療方案。說明GCS評分可以動態監測顱內病情，且和預后存在很強的相關性[8]，為我們實時治療提供依據。

3.2 入院時血壓與HICH患者預后的關系 目前許多研究都證明了入院時的血壓值和HICH患者的預后具有很強的相關性，尤其是收縮壓[9]，收縮壓是指心臟收縮過程中射出血壓對主動脈壁壓力的最大值。在HICH患者中，由于顱內血腫的占位性效應，致使顱內壓升高，機體為保障腦部供血需要更大的壓力，即增大收縮壓。所以對于HICH患者收縮壓越大，可能是顱內壓越高的表現[10]。舒張壓是指心臟舒張時主動脈下降，在心臟舒張末期動脈血壓的最低值，主要受大動脈的彈性及外周血管阻力所致，對于HICH患者舒張壓升高，仍是顱內壓升高的一種表現，但是由于其還受外周血管彈性限制，其升高不如收縮壓大。血壓值的改變提示顱內壓力的改變，當顱內壓增高時，為了保證腦血流的供應，相應的血壓隨之升高。當顱內壓超過舒張壓或者平均動脈壓時，腦血流完全停止，此時如無法及時有效降低顱內壓，則患者很快腦死亡[11]。

3.3 入院時的心率(AHR)和呼吸(AR)與HICH患者預后的關系 入院時，患者處于應激狀態，其呼吸、心率的改變能很好反映患者機體內環境的改變[12]。在HICH發病初期，機體處于應激狀態，體內的兒茶酚胺類等應激性激素分泌增加，使心率、呼吸次數增加；另一個方面，由于應激性反應導致縮血管激素分泌增加，使全身血管收縮，尤其肺組織存在較多的縮血管因子受體，血管收縮明顯，導致氧氣交換減少，血氧降低，機體代償性心率增快，呼吸加快，來增加人體各個組織器官的供氧量，腦組織作為人體代謝最快，需氧量最大的組織，在機體缺氧的情況下，增加顱內血流量，代償缺氧的狀態[13]，引起顱內壓的進一步升高，顱內壓升高后會導致腦血流的減少，進一步加重缺血、缺氧狀態，形成惡性循環。臨床對于HICH患者的治療，首先必須處理的是血腫壓迫、缺血缺氧性腦水腫造成的高顱壓，打斷惡性循環鏈，改善患者的預后[14]。

3.4 數據模型GHRRSD對于HICH患者預后的預測作用 本研究通過R語言的機器語言(多項式函數)建立了數據模型GHRRSD，為了驗證數據模型GHRRSD的有效性，將數據庫分為訓練組、測試組。訓練組創立模型，測試組檢測模型。通過繪制ROC曲線，訓練組ROC曲線下面積為0.881，最優截斷值0.522，95%CI(0.902,0.740)；測試組ROC曲線下面積為0.941，最優截斷值0.551，95%CI(0.963,0.806)。數據模型的有效性得到有效的證明。由于本次模型是機器語言擬合的，所以使用動態列線圖來體現其每個變量在模型中的貢獻度，圖2能很好表現出每個變量的貢獻度，并使用數據庫中的隨機一個患者的數據進行檢測，很好地體現了數據模型GHRRSD的實用性。

回顧分析本次數據模型GHRRSD，其中五個變量分別為：AGCS、AHR、AR、ASBP、ADBP。是HICH患者入院時必查項目，其數據來源簡單，有效，有利于在緊急時刻，或條件較差的基層醫院推廣和應用[15-16]。

本研究存在諸多局限性：(1)本研究為單中心的回顧性分析，存在選擇偏倚；其建立的數據模型GHRRSD目前也僅僅是在本單位應用。(2)樣本量不多，僅進行了數據模型GHRRSD的內部檢測及本單位的實用性驗證，未進行外部檢測，可信度不足，還做不到廣泛的推廣。(3)由于單中心的研究，其預測的效能存在不足。展望：將來在各方努力下收集多中心數據，行進一步檢測。并可以進一步完善數據模型，以模型為基礎建立評分量表，以期可以更加簡便地在臨床中應用。