本發明涉及腦卒中手術風險預測，具體涉及一種針對高齡患者的機械取栓手術風險預測系統及方法。
背景技術：
1、腦卒中是一組以急性局灶性神經功能缺失為共同特點的腦血管疾病，其發病率隨年齡增長而增加。腦卒中的治療方法主要有靜脈溶栓和血管內機械取栓兩種。
2、其中，隨著近年來影像學的發展、組織窗概念的提出，多項大型臨床隨機對照試驗(randomized?controlled?trial,rct)已證實經影像學篩選具有缺血半暗帶的患者行機械取栓治療，其預后要遠遠優于單純行靜脈溶栓的患者。雖然機械取栓的治療效果較好，但是對于80歲以上的高齡患者而言，機械取栓也可能帶來癥狀性顱內出血(symptomaticintracranial?hemorrhage，sich)甚至死亡的風險；與年輕患者相比，即使實現完全血管再通，高齡患者術后發生sich及不良預后的概率是總體人群的2倍。因此，當面對高齡患者，臨床醫生通常因顧慮手術風險而處于兩難困境。如何有效預測高齡患者行機械取栓的風險，以輔助術前決策及個體化治療方案確定，盡可能避免高齡患者機械取栓治療過度與治療不足，使其在診療過程中最大程度的獲益，已成為一個亟待解決的臨床課題！
3、在過去幾年中，研究者們引入了不同的風險評分系統以預測總體卒中人群中機械取栓的風險。其中，血管事件總體健康風險(totaled?health?risks?in?vascular?events，thrive)評分、休斯敦動脈內治療(houston?intra-arterial?therapy，hiat)評分以及院前合并癥、意識水平、年齡、神經功能缺損(preadmission?comorbidities,level?ofconsciousness,age,and?neurological?deficit，plan)評分，作為常見的評估方式在臨床上得以應用。然而，對于高齡患者這一特殊群體，尚無有一個有效的風險評估體系以幫助臨床預測其術后發生sich及不良預后的風險。
技術實現思路
1、本發明實施例的目的在于提供一種針對高齡患者的機械取栓手術風險預測系統及方法。
2、1、為實現上述目的，第一方面，本發明實施例提供了一種針對高齡患者的機械取栓手術風險預測系統，包括：
3、數據庫建立模塊，用于建立高齡ais-alvo患者的臨床數據庫；所述臨床數據庫中存儲有高齡ais-alvo患者的ct影像組學數據和側支組學數據；
4、風險因子篩選模塊，用于根據所述ct影像組學數據和側支組學數據，聯合臨床數據篩選出高齡患者急性期機械取栓不良預后的風險因子；
5、模型構建模塊，用于根據所述風險因子構建nomogram風險預測模型；
6、取栓風險預測模塊，用于采用所述nomogram風險預測模型對高齡ais-alvo患者進行機械取栓手術風險預測。
7、作為本技術的一種具體實現方式，所述數據庫建立模塊具體用于：
8、選取研究對象并進行分組，得到第一結果；所述研究對象為經多模態ct檢查證實為急性前循環大血管閉塞性缺血性卒中、并行機械取栓且術后規律隨訪高齡患者；所述第一結果包括所述研究對象的影像資料及分組情況；
9、采集所有入選患者的臨床信息并進行評價，得到第二結果；
10、提取并分析所有入選患者的多模態ct影像組學特征，得到第三結果；所述第三結果包括常規影像組學信息分析結果和側支組學信息分析結果；
11、根據所述第一結果、第二結果和第三結構構建高齡ais-alvo患者的臨床數據庫。
12、其中，選取研究對象并進行分組，具體為：
13、根據入選標準和排除標準選取研究對象；所述入選標準包括：①年齡≥80歲；②所有患者于在癥狀出現或最后發現正常的24小時內到達醫院，并行一站式多模態ct檢查；③cta提示頸內動脈和/或大腦中動脈m1段閉塞；④在癥狀出現或最后發現正常的24小時內行機械取栓；⑤患者或監護人簽署知情同意書；所述排除標準包括：①入院時頭顱影像學顯示存在顱內出血；②短暫性腦缺血發作；③患者接受機械取栓前行靜脈溶栓治療；④有腫瘤病史或住院期間發現腫瘤、有血液系統疾病和合并自身免疫性疾病患者；⑤有不完整的臨床診治經歷和臨床病歷記錄；⑥影像學圖像質量不滿足診斷需求；
14、根據機械取栓后是否發生顱內出血事件將所述研究對象分為sich組與無sich組；根據機械取栓后3個月是否發生不良預后將所述研究對象分為預后良好組與預后不良組；
15、針對各組患者，采用計算機隨機數將其分為兩個亞組，70％分配給訓練組，30％分配給驗證組。
16、作為本技術的一種具體實現方式，采集所有入選患者的臨床信息并進行評價，具體為：
17、收集所有入選患者的相關臨床資料，包括年齡、性別、既往史、用藥史、吸煙史、入院前mrs評分、入院時血壓、血糖、血脂、實驗室檢查、nihss評分及腦梗死分型；
18、記錄機械取栓手術情況，包括患者發病至影像學檢查時間、發病至手術開始時間、行影像學檢查至手術開始時間、手術開始至血管再通時間及手術方式；
19、采用改良腦梗死溶栓分級評估血管再通情況，0-2a代表再通不良，2b-3代表再通良好。
20、作為本技術的一種具體實現方式，提取并分析所有入選患者的多模態ct影像組學特征，具體為：
21、獲取所有患者術前ct檢查圖像，提取所述ct檢查圖像的影像學特征；
22、通過ct平掃獲得aspect評分以評價患者大腦中動脈供血區早期缺血改變，通過cta評價血管閉塞位置及血栓負荷程度；
23、通過基于cta的rlmc評分評價患者術前軟腦膜側支建立情況，通過ctp獲得cbv梗死核心體積，以評估軟腦膜側支功能狀態。
24、作為本技術的一種具體實現方式，篩選出高齡患者急性期機械取栓不良預后的風險因子，具體為：
25、采用單因素分析相關臨床信息、常規影像學信息及側支組學信息，初步篩選與高齡患者急性期機械取栓sich及不良預后相關的風險因子。
26、作為本技術的一種具體實現方式，根據所述風險因子構建nomogram風險預測模型，具體為：
27、采用最小絕對收縮與選擇算子算法，將單因素分析中有意義的變量納入到多因素logistic回歸模型中構建nomogram風險預測模型。
28、作為本技術的一種優選實現方式，所述系統還包括模型處理模塊，用于：
29、模型展示：對構建的nomogram風險預測模型進行可視化展示；
30、模型評價：利用受試者工作特征及roc曲線下面積評估nomogram風險預測模型的性能；繪制風險預測模型的校準曲線并進行h-l擬合優度檢驗，評價nomogram風險預測模型的校準度；繪制dca曲線來評判nomogram風險預測模型的臨床應用價值；
31、模型驗證與優化：采用分組情況中的驗證組對nomogram風險預測模型進行驗證和優化。
32、第二方面，本技術實施例提供了一種針對高齡患者的機械取栓手術風險預測方法，包括：
33、建立高齡ais-alvo患者的臨床數據庫；所述臨床數據庫中存儲有高齡ais-alvo患者的ct影像組學數據和側支組學數據；
34、根據所述ct影像組學數據和側支組學數據，聯合臨床數據篩選出高齡患者急性期機械取栓不良預后的風險因子；
35、根據所述風險因子構建nomogram風險預測模型；
36、采用所述nomogram風險預測模型對高齡ais-alvo患者進行機械取栓手術風險預測。
37、實施本發明實施例，針對高齡ais-alvo患者，基于一站式多模態ct信息，將通過分析相關側支組學信息、常規影像組學信息以及臨床數據，篩選出影響高齡患者急性期機械取栓不良預后的風險因子，構建基于nomogram的風險預測模型，并進一步通過前瞻性隊列研究對該模型的泛化能力及臨床推廣的可行性進行驗證，最終建立一套高齡伴急性前循環大血管閉塞患者機械取栓風險評估體系，為臨床醫師進行術前決策提供更多的循證依據，可實現對高齡缺血性卒中患者的個體化、精準化診療。