机器学习用于心脏骤停后脑CT预测神经功能预后的系统评价与Meta分析
该系统评价与Meta分析纳入7项观察性研究、共1594例心脏骤停患者,比较脑CT机器学习、自动灰白质比测量和手动灰白质比测量预测不良神经功能预后的诊断准确性。机器学习 pooled AUC 0.813、pooled DOR 14.02(95%CI 6.51–30.18),显著优于手动灰白质比测量(pooled AUC 0.755、pooled DOR 5.16,95%CI 3.75–7.08;p=0.0182)。机器学习与自动灰白质比测量诊断准确性相当(pooled AUC 0.832、pooled DOR 11.92,95%CI 7.55–18.82;p=0.7214)。作者认为机器学习在脑CT中可能对预测心脏骤停后不良神经功能预后有显著诊断价值。
要点
- 7项观察性研究、1594例心脏骤停患者:机器学习预测不良神经功能预后的 pooled AUC 0.813、pooled DOR 14.02(95%CI 6.51–30.18)。
- 机器学习诊断准确性显著优于手动灰白质比测量(pooled AUC 0.755、pooled DOR 5.16,95%CI 3.75–7.08;p=0.0182)。
- 机器学习与自动灰白质比测量诊断准确性相当(pooled AUC 0.832、pooled DOR 11.92,95%CI 7.55–18.82;p=0.7214)。
- 早期(入院24小时内)与晚期脑CT组 pooled DOR 无显著差异(早期10.09,95%CI 6.38–15.96 vs 晚期7.18,95%CI 2.14–24.07;p=0.6054)。
- 作者认为机器学习在脑CT中可能对预测心脏骤停后不良神经功能预后有显著诊断价值,可能与自动灰白质比测量相当并优于手动灰白质比测量。
适用人群与场景
- 纳入标准:经同行评议的英文研究、对心脏骤停患者脑CT扫描进行神经功能预后预测、预测方法和神经功能预后信息明确、数据集和数据来源信息明确。
- 排除标准:非原创文章、未发表论文或仅摘要发表、非英文发表、综述、非人类或动物研究、纳入18岁以下参与者的研究、病例报告和病例系列。
- 纳入研究发表于2016年至2024年,入组时间范围为2005年至2021年。
诊断标准与关键阈值
- 不良神经功能预后定义:5项研究定义为大脑功能分类(CPC)3、4、5级,2项研究(Kenda等2021、Kenda等2022)定义为CPC 4、5级。
- 灰白质比(GWR)定义为灰质密度与白质密度的比值。
- 基底节水平GWR(BG-GWR)测量双侧尾状核(CN)、壳核(PU)、胼胝体(CC)和内囊后肢(PLIC)。
- 简化BG-GWR = PU/PLIC;BG-GWR = (CN + PU)/(CC + PLIC)。
研究设计与关键结果
- 研究类型:系统评价与Meta分析,纳入7项观察性研究,共1594例患者;机器学习、自动GWR测量和手动GWR测量的诊断准确性分别在3项、4项和4项研究中评估。
- 机器学习 vs 手动GWR测量:机器学习 pooled AUC 0.813(I²=0%)、pooled DOR 14.02(95%CI 6.51–30.18;I²=63.1%),手动GWR测量 pooled AUC 0.755(I²=0%)、pooled DOR 5.16(95%CI 3.75–7.08;I²=0%),p=0.0182。
- 机器学习 vs 自动GWR测量:机器学习 pooled AUC 0.813(I²=0%)、pooled DOR 14.02(95%CI 6.51–30.18;I²=63.1%),自动GWR测量 pooled AUC 0.832(I²=0%)、pooled DOR 11.92(95%CI 7.55–18.82;I²=24.3%),p=0.7214。
- 自动GWR测量 vs 手动GWR测量:自动GWR测量诊断准确性显著高于手动GWR测量(p=0.0032)。
- 敏感性和特异性:三种方法间无显著差异(敏感性p=0.7349,特异性p=0.1065)。
- 脑CT时机:早期(入院24小时内)组 pooled 敏感性0.72(95%CI 0.68–0.75;I²=27.6%)低于晚期组0.84(95%CI 0.77–0.89;I²=0%;p=0.0032);两组 pooled 特异性无显著差异(早期0.77,95%CI 0.7–0.83 vs 晚期0.57,95%CI 0.27–0.84;p=0.1924);两组 pooled DOR 无显著差异(早期10.09,95%CI 6.38–15.96 vs 晚期7.18,95%CI 2.14–24.07;p=0.6054)。
- 发表偏倚:Egger's LR检验提示无发表偏倚(p=0.3217)。
证据类型、等级与局限
- 证据类型:系统评价与Meta分析,纳入7项观察性研究;采用PROBAST评估偏倚风险和适用性,采用CHARMS清单进行批判性评价和数据提取。
- 偏倚风险:低偏倚风险71%,高偏倚风险29%(来源于Hanning等2016和Kenda等2022的分析领域);适用性评估低关注86%,不明确14%(Kenda等2021的预测因子领域)。
- 局限:本Meta分析依赖于单中心和回顾性观察性设计研究,可能导致选择偏倚;小样本量、研究数量有限和缺乏外部验证可能导致机器学习模型合并估计的检验效能不足。
- 局限:在小样本中使用Youden's J统计量重建TP、FP、TN、FN可能在数学上不稳定且缺乏稳健性;将不同机器学习模型类型作为单一合并组进行Meta分析可能升高异质性,结果可能失真和不可靠。
- 局限:不良神经功能预后的定义在各纳入研究间存在差异,部分研究将CPC 3–5级定义为不良,另一些将CPC 4–5级定义为不良,这种不一致引入了潜在异质性并可能限制结果的可比性。
- 局限:PROBAST评估中Hanning等和Kenda等研究在分析领域被归类为高偏倚风险,主要涉及样本量不足、过拟合可能性、预测因子处理不明确或缺失数据等子领域,可能导致系统性失真和合并准确性高估;需谨慎解读结果,仍需额外可靠研究。
对床旁实践的改变
- 作者认为机器学习在脑CT中可能对预测心脏骤停后不良神经功能预后有显著诊断价值,可能与自动GWR测量相当并优于手动GWR测量。
- 作者指出目前急诊工作流程中尚未使用机器学习或自动GWR对早期脑CT进行自动分析以检测缺氧缺血性脑损伤。
- 作者认为从短期效果和成本效益考虑,自动GWR测量似乎比机器学习更可行。
- 作者建议未来研究应使用前瞻性多中心验证严格检验机器学习和自动GWR的诊断准确性,并将基于CT的模型与结合CT影像、临床数据和电生理的多模态模型进行比较。
指南或共识出处
- 2025年国际复苏联络委员会(ILCOR)科学共识与治疗建议:建议使用CT上的GWR预测神经功能预后,但未提供影像学表现的精确界定,建议使用CT证据「GWR降低」预测不良神经功能预后。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译18 节 · 点击展开
引言
心脏骤停后综合征是病理生理过程的独特而复杂的组合,包括心脏骤停后脑损伤[1, 2]。脑损伤,也称为缺氧缺血性脑损伤(HIBI),是死亡和神经功能损害的主要原因[3]。神经影像学可用于识别心脏骤停后的结构性脑损伤,其中计算机断层扫描(CT)是最常用的检查方式[4]。在脑CT上,脑水肿可通过灰白质比值(GWR)进行测量,其定义为灰质密度与白质密度的比值[4, 5]。
2025年国际复苏联络委员会科学共识与治疗建议建议使用CT上的GWR来预测神经功能预后[6, 7]。然而,并未提供影像学发现的精确定义;相反,他们建议使用CT证据“GWR降低”来预测不良神经功能预后[8, 9]。在手动GWR(mGWR)测量中,基底节水平的GWR对神经预后具有最高的诊断准确性[5]。然而,mGWR测量是一种耗时的方法,其准确性可能受到一些测量因素的影响。就脑CT扫描的时间点而言,自主循环恢复(ROSC)后早期CT扫描的mGWR测量准确性可能与延迟CT扫描不同。CT扫描的测量层面或临床医生的经验也是影响mGWR测量准确性的重要因素[10]。为克服这些局限性,开发了自动GWR(aGWR)测量,其似乎比mGWR测量更客观和一致[11–14]。近年来,一些研究者开始在脑CT扫描上使用机器学习(ML)模型[15–17]。这是因为ML具有处理更复杂和高维数据的优势[18]。然而,我们仍不清楚aGWR测量或ML在预测神经功能预后方面是否比mGWR测量更准确。
因此,我们进行了一项系统评价和荟萃分析,以比较mGWR测量、aGWR测量和ML。本荟萃分析旨在比较和评估这些诊断性检查在脑CT扫描上预测心脏骤停后患者神经功能预后的准确性。
方法
本系统评价和荟萃分析按照预测模型偏倚风险评估工具(PROBAST)和预测模型研究系统评价关键评价与数据提取清单(CHARMS)进行[19, 20]。研究方案在研究初始阶段经PROSPERO批准(注册号:CRD42024611026)。
检索策略
使用MEDLINE、EMBASE、Web of Science、Scopus和IEEE Xplore进行了广泛的数据库检索,检索1970年1月1日至2025年12月17日期间以英文发表的所有研究。检索中使用以下索引词及相关词:“Algorithms”、“Artificial Intelligence”、“Decision Support System”、“Heart Arrest”、“Ventricular Fibrillation”、“Cardiopulmonary Resuscitation”和“Computed Tomography”。完整检索策略见补充表1。
研究选择
根据预先设定的研究选择标准,由两名评价者(W.K. 和 K.H.Y.)独立进行研究筛选。两名评价者检查标题和摘要的相关性,随后进行全文审查。纳入标准如下:(1)经同行评审的英文研究;(2)通过脑CT扫描对心脏骤停患者进行神经学结局预测的研究;(3)对预测方法和神经学结局有明确信息的研究;(4)对数据集和数据来源有明确信息的研究。排除标准如下:(1)非原创文章;(2)未发表论文或仅摘要发表;(3)非英文语言的出版物;(4)综述;(5)非人类或动物研究;(6)包含18岁以下参与者的研究;(7)病例报告和病例系列。
数据提取
两名评价者(B.K. 和 E.J.C.)使用标准化数据收集工具进行数据提取。提取以下变量:作者信息、发表年份和标题、发表期刊、所使用的机器学习(ML)模型类型、数据来源、数据收集时间段、样本量、研究场所、纳入和排除标准、参与者年龄、结局定义、用于预测的变量类型、待预测结局(神经学结局良好/不良)以及模型性能结果(曲线下面积[AUC]、灵敏度、特异度、准确度、阴性预测值[NPV]和阳性预测值[PPV])。
对于所提取的ML模型,关注为分类技术开发的监督式ML模型。所提取的ML模型包括逻辑回归(LR)、卷积神经网络(CNN)、随机森林(RF)和支持向量机(SVM)。
为每项研究中使用的ML模型生成2×2分类表。2×2表呈现如下:真阳性(TP)(神经学结局良好)、假阳性(FP)(神经学结局不良但被错误预测为良好)、真阴性(TN)(神经学结局不良)和假阴性(FN)(神经学结局良好但被错误预测为不良)。TP、FP、TN和FN值从模型的灵敏度、特异度、准确度、NPV、PPV和AUC结果中提取,并按如下公式计算:灵敏度 = TP/(TP + FN)
特异度 = TN/(TN + FP)
准确度 = (TP + TN)/(TP + FP + FN + TN)
PPV = TP/(TP + FP)
NPV = TN/(FN + TN)
对于未以数值指标呈现结果结局而仅展示AUC图的研究,使用约登指数(Youden's J统计量),定义为J = 灵敏度 + 特异度 – 1,来获取TP、FP、TN和FN值。使用AUC图的最大J值来选择最能代表诊断测试结果的最佳阈值[21]。
质量评估
质量评估由两名评价者(J.L. 和 K.H.Y.)使用CHARMS清单和PROBAST独立进行,以评估偏倚风险(ROB)和适用性关注。每项研究的质量被评定为以下三类之一:“低ROB”、“高ROB”或“不明确”。评估领域包括患者选择、预测因子评估、结局引入的ROB、适用性关注以及分析引入的ROB。两名评价者之间的任何分歧由第三名评价者(W.K.)解决。
GWR测量
在纳入的研究中,灰白质比(GWR)采用既往报道的手动测量、自动计算方法或机器学习(ML)模型进行测量。如图1所示,基底节水平的GWR值(BG-GWR)对尾状核(CN)、壳核(PU)、胼胝体(CC)及内囊后肢(PLIC)进行双侧测量。基底节水平的GWR值(BG-GWR)对尾状核(CN)、壳核(PU)、胼胝体(CC)及内囊后肢(PLIC)进行双侧记录。
mGWR采用以下既往报道方法之一计算:简化BG-GWR = PU/PLIC
BG-GWR = (CN + PU)/(CC + PLIC)
aGWR测量是一种利用脑CT图像的图像配准和分割等图像处理技术计算GWR的方法。感兴趣区(ROI)内的平均Hounsfield单位(HU)被自动测量,GWR采用以下方法之一计算:自动(简化)BG-GWR = PU/PLIC
自动BG-GWR = (CN + PU)/(CC + PLIC)
自动GWR = 灰质/白质
在使用ML方法的研究中,所使用的模型包括带迁移学习的用于大规模图像识别的极深卷积网络(VGG19 CNN)、LR、线性SVM、径向基函数核SVM、RF以及弹性网正则化LR。
Nakamoto等,2024年利用四种不同的算法(LR、线性SVM、径向基函数SVM、RF)分析了超过1,100个高维定量影像生物标志物。为确保模型的稳健性并防止过拟合,作者通过LASSO和SVM递归特征消除实现降维,同时通过基于AUC的网格搜索结合三折交叉验证进行超参数调优。Gramespacher等,2024年使用了基于弹性网正则化逻辑回归模型的监督分类器,该模型结合L1和L2惩罚项,在提高预测准确性的同时处理166个脑区之间的高相关性。该模型在开发集上使用分层十折交叉验证进行训练,并在独立的留出样本上进行验证以确保泛化性。Kawai等,2023年实施了一种深度学习方法,使用VGG19 CNN架构并从预训练数据集进行迁移学习。该模型使用原始头部CT图像,并在训练过程中结合数据增强和早期停止以尽量减少过拟合。
统计分析
主要分析是基于脑CT图像上的GWR研究心脏骤停后患者的神经功能结局。对纳入模型的AUC、灵敏度和特异度等评价指标进行了荟萃分析,并针对mGWR测量、aGWR测量和ML方法进行了亚组分析,以比较纳入研究中各方法诊断性能的差异。
主要分析和亚组分析通过合并诊断比值比(DOR)、合并灵敏度及合并特异度进行,使用TP、TN、FP和FN值。采用汇总受试者工作特征(SROC)曲线总结诊断试验的总体性能。对于主要分析和亚组分析,使用R Studio 4.2.1版(R:用于统计计算的语言和环境,R Core Team,R Foundation for Statistical Computing,维也纳,奥地利,2025,http://www.R-project.org/)进行统计分析,每个比较亚组的p值≥0.05视为无统计学意义。R中的“meta”包用于灵敏度、特异度和DOR分析,“mada”包用于SROC曲线分析。异质性采用I²统计量估计,该统计量代表因研究间真实差异而非偶然变异导致的总不一致性的百分比,25%、50%和75%分别被认为表示低、中和高异质性。
我们已将PRISMA清单作为补充表2提供。
结果
研究选择
系统综述的流程图见图2。通过文献检索共识别出1,286项研究。在浏览标题和摘要后,我们剔除了通过多个搜索引擎检索到的811篇重复文章。另有452篇不相关文章根据标题和摘要被排除。在审阅剩余23篇文章的全文后,16篇不相关文章作为补充表3被排除。最终,7项观察性研究被纳入本系统综述[11–17]。
研究特征和质量评估
纳入的研究发表于2016年至2024年间,入组时间范围为2005年至2021年。共有1594例患者被纳入荟萃分析。ML、aGWR测量和mGWR测量的诊断准确性分别在3项、4项和4项研究中进行了评估。从心脏骤停到脑CT扫描的平均时间间隔在5项研究中在24小时以内,在2项研究中超过24小时(Kenda等,2021 [11]和Gramespacher等,2024 [16])。在5项研究中,不良神经功能结局定义为脑功能分级(CPC)3级、4级和5级,而2项研究(Kenda等,2021 [11]和Kenda等,2022 [12])将CPC 4级和5级定义为不良神经功能结局。本荟萃分析纳入研究的特征总结于表1,诊断方式见表2。
纳入研究的质量使用PROBAST进行评估(补充图1)。在偏倚风险(ROB)评估总结中,低偏倚风险为71%,高偏倚风险为29%,来源于2项研究(Hanning等,2016 [14]和Kenda等,2022 [12])的分析域。在适用性评估总结中,显示86%为低关注度,14%为不明确,出现在1项研究(Kenda等,2021 [11])的预测因子域。通过系统综述,我们发现Kenda等人2021年的研究[11]包含Kenda等人2022年研究[12]的重复数据,证据为表1中的作者姓名、医院名称和招募时间。因此,Kenda等人2021年的研究[11]被排除在荟萃分析之外。
与方案的偏离及事后决定
进行荟萃分析时,根据PROSPERO方案,不允许存在重叠队列。在系统综述过程中,我们注意到Kenda等人2021年的研究[11]包含Kenda等人2022年研究[12]的重复数据,表1中列出的作者姓名、医院名称和招募时间均可证明这一点。
因此,尽管Kenda 2021[11]被纳入表1的系统综述,但最终经事后决定将其从荟萃分析中排除,如图2的PRISMA流程图所示。
机器学习(ML)、aGWR测量和mGWR测量对不良神经功能结局的诊断准确性比较
在剔除Kenda等人2021年的研究[11]后,我们对所有6项纳入研究进行了荟萃分析。ML、aGWR和mGWR测量在脑CT上预测不良神经功能结局的敏感度和特异度森林图见补充图2和3。我们发现这些方法之间的敏感度和特异度无显著差异(敏感度p值 = 0.7349,特异度p值 = 0.1065)。
该荟萃分析还使用DOR以及通过汇总受试者工作特征(SROC)曲线得出的合并AUC,比较了ML、aGWR和mGWR测量在脑CT上的诊断准确性(图3和图4)。在ML与mGWR测量的比较中,ML显示出显著高于mGWR测量的诊断准确性(合并AUC,0.813;I2 = 0%;合并DOR,14.02;95%置信区间[CI],6.51–30.18;I2 = 63.1%)(mGWR测量:合并AUC,0.755;I2 = 0%;合并DOR,5.16;95% CI 3.75–7.08;I2 = 0%;p = 0.0182)。在ML与aGWR测量的比较中,ML对不良神经功能结局的预测诊断准确性与aGWR测量相当(合并AUC,0.832;I2 = 0%;合并DOR,11.92;95% CI,7.55–18.82;I2 = 24.3%;p = 0.7214)。在aGWR与mGWR测量的比较中,aGWR测量同样显示出显著高于mGWR测量的诊断准确性(p = 0.0032)。
我们还对入院后24小时前后进行脑CT扫描的时机进行了荟萃分析,以确定脑CT时机对ML、aGWR测量和mGWR测量诊断准确性的影响。早期脑CT组包括入院后24小时内进行的CT。第二组被指定为晚期脑CT组。在补充图4中,早期脑CT组的合并敏感度低于晚期脑CT组(早期CT组:0.72;95% CI,0.68–0.75;I2 = 27.6%;晚期CT组:0.84;95% CI,0.77–0.89;I2 = 0%;p = 0.0032)。然而,早期与晚期脑CT组之间的合并特异度无显著差异(早期CT组:0.77;95% CI,0.7–0.83;晚期CT组:0.57;95% CI,0.27–0.84;p = 0.1924),且如补充图5所示存在高度异质性。
此外,早期与晚期脑CT组之间的合并DOR无显著差异(早期CT组:10.09;95% CI,6.38–15.96;晚期CT组:7.18;95% CI,2.14–24.07;p = 0.6054),且如补充图6所示两组均存在高度异质性。在ML和mGWR测量的各亚组DOR分析中,两种诊断方法的早期与晚期脑CT组之间合并DOR均无显著差异(ML:p = 0.9689;mGWR:p = 0.4681;aGWR:因缺乏晚期脑CT组比较,p值不可得)。
敏感性分析
我们还进行了敏感性分析以处理异质性问题。所有具有显著异质性的亚组均已被识别。
首先,我们评估了Kenda 2021 [11]数据重复的影响。包含Kenda 2021 [11]的合并DOR尽管存在显著异质性,仍显示出高准确性(合并DOR:24.55;95% CI 6.84–88.08;I2 = 63.1%)。排除Kenda 2021 [11]后,合并DOR的异质性显著降低,尽管准确性较低(合并DOR:11.92;95% CI:7.55–18.82;I2 = 24.3%)。图3的森林图显示ML亚组合并DOR存在显著异质性(亚组I2:ML 63.1%;aGWR 24.3%;mGWR 0%)。对合并DOR进行敏感性分析后,从ML亚组中排除Kawai 2023 [17]是显著降低异质性的最有效方法(亚组I2:ML 11.2%)。尽管从ML中排除Nakamoto 2024 [15]降低了异质性(亚组I2:ML 31.4%),但效果不如排除Kawai 2023 [17]。在该分析中,ML和aGWR的合并DOR仍高于mGWR(亚组差异检验中p = 0.0078)。
在补充图2中,ML和aGWR亚组的合并灵敏度显示高异质性(亚组I2:ML 57.4%;aGWR 77%;mGWR 0%)。排除ML中的Gramespacher 2024 [16]和aGWR中的Hanning 2016 [14]以降低异质性。敏感性分析后,合并灵敏度的异质性显著降低(亚组I2:ML 0%;aGWR 36.1%),亚组间无显著差异。
在补充图3中,ML和mGWR亚组的合并特异度显示高异质性(亚组I2:ML 87%;mGWR 83.4%;aGWR 7.9%)。排除ML中的Kawai 2023 [17]和mGWR中的Gramespacher 2024 [16]以降低异质性。敏感性分析后,ML和mGWR的异质性显著降低(亚组I2:ML 0%,mGWR 0%)。这些亚组间无显著差异。
在补充图5中,CT时间亚组的合并特异度显示高异质性(亚组I2:早期CT(t < 24 h)80.1%;晚期CT(t > 24 h)92.4%)。对合并特异度进行敏感性分析后,早期CT亚组的异质性降低(亚组I2:53.5%),但如预期一样不显著。晚期CT亚组被排除,因为仅有两项研究不足以进行敏感性分析,尽管仍存在显著异质性。
发表偏倚
我们进行了Egger's LR检验以评估漏斗图不对称性。该检验表明荟萃分析中不存在发表偏倚(p = 0.3217)。
讨论
本系统综述和荟萃分析评估了三种脑CT方法(mGWR测量、aGWR测量和机器学习(ML))在预测心脏骤停后患者神经学结局方面的有效性。结果表明这些方法的预测性能存在明显差异。荟萃分析结果显示,ML在诊断准确性方面显著优于mGWR测量。此外,aGWR测量的合并AUC和合并DOR高于ML,但仅凭这些指标不足以得出明确优越性的结论,因为置信区间存在重叠且缺乏统计学显著性,表明两种方法的效果相当。
ML与aGWR测量之间无统计学显著差异,提示ML在诊断准确性方面不劣于aGWR。ML模型具有独特优势,使其成为有前景的预后工具。与依赖预定义区域测量的aGWR测量不同,ML算法可以从高维图像模式中学习,并将多模态数据(如临床变量、影像纹理特征和时间序列趋势)纳入结局预测。
Gramespacher等人强调,使用弹性网络正则化整合临床和影像学特征可增强早期预后性能[16],而Kawai等人证明,使用早期CT扫描的ML模型可以捕捉传统指标无法显示的细微损伤模式[17]。
然而,研究的样本量较小限制了ML模型展示相对于aGWR测量方法的显著优越性,特别是深度学习方法如卷积神经网络(CNN),其在基于图像的预测任务中仍占主导地位,因为这些方法通常需要大型数据集才能充分发挥潜力[22]。较小的数据集规模不具备CNN、LR、SVM和弹性网络回归等方法所需的高维交互作用,会增加过拟合的风险[23]。另一点需要考虑的是,所有研究均仅使用单中心数据集进行,这也对提高模型性能构成挑战,并阻碍了模型对其他数据的泛化能力[24]。此外,纳入的研究中仅有三项(Kenda等人[12]、Kawai等人[17]和Nakamoto等人[15])报告了超参数调优[12, 15, 17]。缺乏充分的超参数调优,ML算法的性能将相对于通过更严格训练策略所能达到的水平受到限制[25]。在更合适的数据规模和训练方法下,ML的适应性允许随着更多标注数据的可用而持续改进模型,支持实时和个性化预测[26]。因此,即使ML目前的表现与aGWR测量相当,其可扩展性和灵活性凸显了其未来的临床价值,特别是在需要早期、自动化和可重复预后工具的场景中。
此外,更广泛的证据支持机器学习在神经系统疾病早期预后中日益重要的意义[10]。最近的一项系统综述强调,结合影像、临床、生物标志物和电生理数据的机器学习模型能够实现较强的预测性能,提示其比传统指标能更全面地处理多模态信息[27]。
一项值得注意的研究将可解释的机器学习流程应用于心脏骤停后脑CT扫描,并证明灰质纹理分析可在ROSC后数小时内产生准确的预后信息,进一步巩固了机器学习在早期决策中的潜在作用。
这些发现强调了机器学习方法能够提取卒中或骤停后脑损伤中细微的影像模式,而这些模式往往是人眼观察者无法察觉的。
关于脑CT扫描的时机,本荟萃分析显示,在ROSC后24小时标记之前或之后进行的脑CT在诊断准确性方面无显著差异(p = 0.59)。Beekman等提出,仅早期脑CT不足以进行确定性预后判断,并告诫不要忽视其早期使用相关的潜在偏倚[10]。此外,Scheel等指出,GWR测量的敏感性在心脏骤停后6小时明显改善,因而主张延迟成像[28]。相反,Pereira等报告,早期GWR测量提供了有用的预后见解,与我们的发现密切一致[29]。本研究的发现提供了反对延迟CT成像必要性的证据,提示24小时内的早期CT成像可能对预后判断有效。这一结果可能挑战了既有的延迟成像偏好,并表明临床医生可以在不损害准确性的情况下可靠地利用早期CT扫描进行预后评估。
心脏骤停后最初24小时内的准确预后评估不仅指导医疗决策,而且显著影响资源分配。我们的发现提示,早期评估产生可比的预后价值,从而使及时的临床决策成为可能。早期识别预后良好的患者使医疗系统能够更高效地重新分配关键人员时间和重症监护资源,聚焦于最可能获益者。若干研究提示,心脏骤停后患者更快的预后评估可能有助于降低医疗成本和资源负担[30, 31]。早期识别不太可能恢复的患者可能限制不必要的重症监护延长,而预后良好的患者则可接受适当积极的管理。因此,早期预后判断可能支持更高效地利用重症监护资源,而不损害照护质量。
早期脑CT已被用于排除急性脑出血作为心脏骤停后综合征(PCAS)患者心脏骤停的原因[32]。然而,目前急诊工作流程中尚未使用基于机器学习(ML)或自动灰白质比(aGWR)的自动化分析来检测缺氧缺血性脑损伤(HIBI)。在整合这些自动化分析模型时,我们必须考虑可行性、成本效益、计算基础设施需求和医生接受度[33, 34]。从长远来看,ML具有前景,因为随着更多大数据的积累,其诊断准确性将显著提高。然而,考虑短期效果和成本效益时,aGWR似乎比ML更具可行性。在未来的研究中,应通过前瞻性多中心验证严格检验ML和aGWR的诊断准确性。此外,应将基于CT的模型与结合CT影像、临床数据和电生理学的其他多模态模型进行比较。
本研究存在一些局限性。第一,本荟萃分析依赖于单中心和回顾性观察设计的研究,可能导致选择偏倚。此外,样本量小、研究数量有限以及缺乏外部验证可能导致ML模型合并估计的检验效能不足。第二,在小样本量下使用Youden J统计量重建TP、FP、TN和FN时,数学上可能不稳定,且在获取最佳阈值方面缺乏稳健性。由于将不同类型的ML模型作为单一合并组进行荟萃分析时可能产生异质性,结果可能被扭曲且不可靠。第三,纳入研究对不良神经功能结局的定义各不相同;一些研究将CPC 3–5级归类为不良,而其他研究将CPC 4–5级定义为不良。这种不一致性给合并诊断准确性引入了潜在的异质性,并可能限制结果的可比性。最后,使用PROBAST工具评估偏倚风险(ROB)。在分析域中,Hanning等和Kenda等的研究均被归类为高偏倚风险。以下子域是导致这些高偏倚风险问题的主要原因:样本量不足、过拟合可能性、预测变量处理不明确或数据缺失。这些偏倚可能导致系统性扭曲和合并准确性的高估。因此,我们必须谨慎解读这些结果,仍需更多可靠的研究。
结论
脑CT中的机器学习可能对预测心脏骤停后患者的不良神经功能结局具有重要诊断价值。在诊断准确性方面,机器学习可能与aGWR测量相当,并优于mGWR测量。
试验注册
PROSPERO注册号:CRD42024611026。
补充信息
补充材料1:补充表1。检索策略。
补充材料2:补充表2。PRISMA清单。
补充材料3:补充表3。流程图中文全文审查排除原因。
补充材料4:补充图1。纳入研究的偏倚风险和适用性评估(A)、偏倚风险评估汇总(B)和适用性评估汇总(C)。
补充材料5:补充图2。神经功能结局合并敏感度的森林图。亚组差异不显著(p = 0.7349)。
补充材料6:补充图3。神经系统结局合并特异度的森林图。亚组差异无统计学意义(p = 0.1065)。
补充材料7:补充图4。24小时标记前后脑计算机断层扫描时机合并敏感度的森林图。组间亚组差异有统计学意义(p = 0.0032)。
补充材料8:补充图5。24小时标记前后脑计算机断层扫描时机合并特异度的森林图。亚组差异无统计学意义(p = 0.1924)。
补充材料9:补充图6。24小时标记前后脑计算机断层扫描时机合并诊断比值比的森林图。亚组差异无统计学意义(p = 0.6054)。缩写:ML,机器学习;aGWR,灰白质比自动测量;mGWR,灰白质比手动测量;CT,计算机断层扫描;AUC,曲线下面积。# ML组24小时标记前后检验:p = 0.9689。# aGWR中24小时标记前后检验:不可用。# mGWR中24小时标记前后检验:p = 0.4681。# CT时机 < 24 h:合并AUC 0.734,I2 = 0%。# CT时机 > 24 h:合并AUC 0.835,I2 = 0%。
参考来源
- Yoo KH, Lee J, Kim W, et al. Prognostic value of machine learning for brain computed tomography as a predictor of neurologic outcomes after cardiac arrest: a systematic review and meta-analysis. Scand J Trauma Resusc Emerg Med. 2026. PMID: 41618456. doi:10.1186/s13049-026-01565-w
- 全文:PMC12931003(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12931003/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。