基于机器语言的临床预测模型对高血压脑出血预后的预测

罗全芳 王超英 林江川 郑志哲 李光海

福建省德化县医院 362500

脑卒中分为缺血性脑卒中和出血性脑卒中，出血性脑卒中高于缺血性脑卒中，其中在我国发病率最高的是高血压脑出血(Hypertensive intracerebral hemorrhage，HICH)，其病程长，恢复慢，致残率和病死率高，给家庭和社会带来巨大的经济负担，如何提高患者的生存率和生活质量，给临床医师带来巨大的挑战。此类患者如果能早期、及时预测预后，提早给予干预治疗，将改善患者的预后，是神经外科治疗HICH的关注点和难点[1-2]。本研究基于我院HICH患者的数据库，通过机器语言的多项式函数建立预测的数据模型GHRRSD[3]，以期为临床指导治疗、预测预后提供参考。

1 资料与方法

1.1 临床资料 选取我院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；年龄33～91岁,平均年龄(60.140±12.863)岁。病例纳入标准：(1)年龄≥18周岁；(2)高血压病史的患者，经由头颅CT检查证实有自发性脑出血；(3)发病后24h内首诊我院。排除标准：(1)年龄<18周岁；(2)排除颅内动脉瘤、动静脉血管畸形、烟雾病、肿瘤等其他原因引起的自发性脑出血；(3)合并肝功能障碍、肾功能衰竭、严重呼吸系统疾病等其他脏器病变；(4)入院后24h死亡，或者进行心肺复苏术后；(5)有开颅手术病史。所有患者入院后按《高血压脑出血中国多学科诊治指南》[1]进行诊断和治疗。

1.2 数据来源 入院时格拉斯哥昏迷评分(AGCS)由我院神经外科、重症医学科医师评定。入院时的心率(AHR)、入院时的呼吸频率(AR)、入院时的收缩压(ASBP)、入院时舒张压(ADBP)均由入院时急诊科首次血压记录获得，记录数据时所有患者均未经院内治疗。患者基线特征见表1。

表1 327例患者人口学的基本特征

1.3 治疗方法 结合《高血压脑出血中国多学科诊治指南》，符合手术指征者根据病情采取：(1)行开颅血肿清除术(和)或去大骨瓣减压术；(2)予神经内镜下血肿清除术；(3)立体定向血肿穿刺碎吸术；(4)单纯侧脑室外引流术。剩余符合保守治疗指征的予保守治疗[1]。所有手术、保守治疗患者住院时均在神经重症监护下行脱水降颅压、营养脑神经、维持脑灌注压及维持电解质平衡等治疗，病情稳定后转入神经外科普通病房继续治疗，并予早期行康复理疗。

1.4 预后情况评估 出院时行改良Rankin评分量表(mRS)，来评价患者神经功能恢复状态，mRS为3～6分为预后不良组，0～2分为预后良好组[4]。

2 结果

2.1 数据模型的建立 使用R语言随机分布函数将数据库327例患者分为80%训练组269例，20%测试组[5]58例。使用机器语言的多项式函数使用训练组数据建立数据模型GHRRSD：AGCS、AHR、AR、ASBP、ADBP，经SPSS25.0正态性检验，五个变量均为正态分布。使用测试组数据对数据模型进行内部检测。结果测试组数据能很好使用数据模型对患者预后进行预测。准确率86.21%，净重新分类指数(NIR)P<0.001，敏感性87.10%，特异性85.19%。见表2。

表2 测试组内部检测

2.2 数据模型的有效性检测 运用R语言4.2.1分别做训练组和测试组的ROC曲线，并将两条曲线进行比较。见表3。两条ROC曲线下的面积分别为0.881、0.941，能很好通过数据模型预测患者的预后，证实了数据模型的有效性。两条曲线进行比较，D值=-1.726 7，F值=125.88,P=0.086 67。二者之间无统计学差异，通过训练组数据得出的模型，能很好地对测试组数据进行预后预测。

表3 训练组、测试组ROC比较

2.3 数据模型的实用性检测 为了进一步说明数据模型的实用性，使用R语言，将数据模型模拟成动态列线图并进行实用性检测，使用数据库第一个患者的资料进行预测。见图1。

图1 高血压脑出血预测数据模型列线图

图中红色点位数据是第一个患者入院时的基本资料及预测结果。AGCS=10分，AHR=76次/min，AR=20次/min，ASBP=165mmHg，ADBP=86mmHg，预测的分值为203分，概率为83.3%。说明该患者发生不良预后的概率为83.3%，是大概率事件。

3 讨论

3.1 入院时格拉斯哥昏迷评分(AGCS)与HICH患者预后的关系 GCS评分是一种简单有效的针对急性脑组织损伤(包括脑外伤、急性脑血管意外等)患者的病情评估评分量表，由三部分组成：瞳孔改变、语言改变、动作改变。总分15分，13～15分为轻型的颅内损伤，9～12分为中型的颅内损伤，4～8分为重型的颅脑损伤，≤3分为特重型颅脑损伤，处于濒死状态[6]。目前是世界范围认可的神经外科急性脑组织病变的有效评分量表。当出现颅内的损伤时，临床专科医师根据瞳孔、语言及动作的变化做出GCS评分，结合影像学检查对患者的病情做出判断[7]，并针对性地进行治疗。如果治疗过程中，出现病情变化，也可以重复进行评分，并根据评分结果结合影像学检查调整治疗方案。说明GCS评分可以动态监测颅内病情，且和预后存在很强的相关性[8]，为我们实时治疗提供依据。

3.2 入院时血压与HICH患者预后的关系 目前许多研究都证明了入院时的血压值和HICH患者的预后具有很强的相关性，尤其是收缩压[9]，收缩压是指心脏收缩过程中射出血压对主动脉壁压力的最大值。在HICH患者中，由于颅内血肿的占位性效应，致使颅内压升高，机体为保障脑部供血需要更大的压力，即增大收缩压。所以对于HICH患者收缩压越大，可能是颅内压越高的表现[10]。舒张压是指心脏舒张时主动脉下降，在心脏舒张末期动脉血压的最低值，主要受大动脉的弹性及外周血管阻力所致，对于HICH患者舒张压升高，仍是颅内压升高的一种表现，但是由于其还受外周血管弹性限制，其升高不如收缩压大。血压值的改变提示颅内压力的改变，当颅内压增高时，为了保证脑血流的供应，相应的血压随之升高。当颅内压超过舒张压或者平均动脉压时，脑血流完全停止，此时如无法及时有效降低颅内压，则患者很快脑死亡[11]。

3.3 入院时的心率(AHR)和呼吸(AR)与HICH患者预后的关系 入院时，患者处于应激状态，其呼吸、心率的改变能很好反映患者机体内环境的改变[12]。在HICH发病初期，机体处于应激状态，体内的儿茶酚胺类等应激性激素分泌增加，使心率、呼吸次数增加；另一个方面，由于应激性反应导致缩血管激素分泌增加，使全身血管收缩，尤其肺组织存在较多的缩血管因子受体，血管收缩明显，导致氧气交换减少，血氧降低，机体代偿性心率增快，呼吸加快，来增加人体各个组织器官的供氧量，脑组织作为人体代谢最快，需氧量最大的组织，在机体缺氧的情况下，增加颅内血流量，代偿缺氧的状态[13]，引起颅内压的进一步升高，颅内压升高后会导致脑血流的减少，进一步加重缺血、缺氧状态，形成恶性循环。临床对于HICH患者的治疗，首先必须处理的是血肿压迫、缺血缺氧性脑水肿造成的高颅压，打断恶性循环链，改善患者的预后[14]。

3.4 数据模型GHRRSD对于HICH患者预后的预测作用 本研究通过R语言的机器语言(多项式函数)建立了数据模型GHRRSD，为了验证数据模型GHRRSD的有效性，将数据库分为训练组、测试组。训练组创立模型，测试组检测模型。通过绘制ROC曲线，训练组ROC曲线下面积为0.881，最优截断值0.522，95%CI(0.902,0.740)；测试组ROC曲线下面积为0.941，最优截断值0.551，95%CI(0.963,0.806)。数据模型的有效性得到有效的证明。由于本次模型是机器语言拟合的，所以使用动态列线图来体现其每个变量在模型中的贡献度，图2能很好表现出每个变量的贡献度，并使用数据库中的随机一个患者的数据进行检测，很好地体现了数据模型GHRRSD的实用性。

回顾分析本次数据模型GHRRSD，其中五个变量分别为：AGCS、AHR、AR、ASBP、ADBP。是HICH患者入院时必查项目，其数据来源简单，有效，有利于在紧急时刻，或条件较差的基层医院推广和应用[15-16]。

本研究存在诸多局限性：(1)本研究为单中心的回顾性分析，存在选择偏倚；其建立的数据模型GHRRSD目前也仅仅是在本单位应用。(2)样本量不多，仅进行了数据模型GHRRSD的内部检测及本单位的实用性验证，未进行外部检测，可信度不足，还做不到广泛的推广。(3)由于单中心的研究，其预测的效能存在不足。展望：将来在各方努力下收集多中心数据，行进一步检测。并可以进一步完善数据模型，以模型为基础建立评分量表，以期可以更加简便地在临床中应用。